帮我写一下二维粒子群算法代码

好的，以下是一个简单的二维粒子群算法示例代码：

% 二维粒子群算法示例代码

% 定义函数
function y = myfunc(x)
y = sin(x(1)) + cos(x(2));

% 初始化参数
n = 50; % 粒子个数
dim = 2; % 粒子维度
max_iter = 100; % 最大迭代次数
w = 0.8; % 惯性权重
c1 = 2; % 自我认知学习因子
c2 = 2; % 社会认知学习因子
v_max = 0.1; % 最大速度限制
x_min = [-5, -5]; % 搜索范围最小值
x_max = [5, 5]; % 搜索范围最大值

% 初始化粒子位置和速度
x = rand(n, dim) .* (x_max - x_min) + x_min;
v = rand(n, dim) .* v_max;

% 初始化全局最优解和个体最优解
[~, gbest_idx] = min(myfunc(x));
gbest = x(gbest_idx, :);
pbest = x;

% 迭代优化
for iter = 1:max_iter
    % 更新速度和位置
    v = w .* v + c1 .* rand(n, dim) .* (pbest - x) + c2 .* rand(n, dim) .* (gbest - x);
    v(v > v_max) = v_max; % 限制速度范围
    v(v < -v_max) = -v_max;
    x = x + v;
    x(x > x_max) = x_max; % 限制位置范围
    x(x < x_min) = x_min;
    
    % 更新个体最优解和全局最优解
    for i = 1:n
        if myfunc(x(i, :)) < myfunc(pbest(i, :))
            pbest(i, :) = x(i, :);
        end
    end
    [~, gbest_idx] = min(myfunc(pbest));
    gbest = pbest(gbest_idx, :);
end

% 输出结果
fprintf('Optimal solution: %f\n', myfunc(gbest));
fprintf('Optimal position: (%f, %f)\n', gbest(1), gbest(2));

在上述代码中，`myfunc` 函数表示要优化的目标函数，该函数的输入参数为一个长度为 2 的向量，输出为一个标量。在粒子群算法的迭代过程中，首先需要初始化粒子位置和速度，然后根据粒子的位置和速度更新个体最优解和全局最优解。在每一次迭代中，都需要更新粒子的速度和位置，然后根据新的位置来更新个体最优解和全局最优解。最终，输出全局最优解及其对应的位置。

请注意，上述代码只是一个示例，实际使用时还需要根据具体的应用场景进行相应的修改和调整。