使用matlab写一段压缩因子粒子群算法，并使用高维sphere函数

以下是使用压缩因子粒子群算法（CFPSO）来优化高维球函数的MATLAB代码：

% 高维球函数的定义
C = 1; % 常数
D = 30; % 变量维度
x = zeros(1, D); % 初始化变量
f_sphere = @(x) sum(x.^2); % 球函数

% CFPSO算法参数设置
N = 30; % 粒子数
T = 1000; % 迭代次数
w_max = 0.9; % 最大惯性权重
w_min = 0.4; % 最小惯性权重
c1 = 2.0; % 学习因子1
c2 = 2.0; % 学习因子2
c3 = 1.5; % 压缩因子
Vmax = 5; % 速度上限
xmin = -100; % 变量范围下限
xmax = 100; % 变量范围上限

% 初始化种群
X = repmat(x, N, 1);
V = zeros(N, D);
pbest = X;
gbest = X(1, :);
f_pbest = zeros(N, 1);
f_gbest = f_sphere(gbest);

% 迭代优化
for t = 1:T
    % 更新速度和位置
    w = w_max - (w_max - w_min) * t / T;
    r1 = rand(N, D);
    r2 = rand(N, D);
    V = w * V + c1 * r1 .* (pbest - X) + c2 * r2 .* (repmat(gbest, N, 1) - X);
    V = min(Vmax, max(-Vmax, V));
    X = X + V;
    
    % 压缩因子处理
    for i = 1:N
        if f_sphere(X(i, :)) > f_pbest(i) % 局部最优解被更新
            f_pbest(i) = f_sphere(X(i, :));
            pbest(i, :) = X(i, :);
        end
        if f_sphere(X(i, :)) > f_gbest % 全局最优解被更新
            gbest = X(i, :);
            f_gbest = f_sphere(gbest);
        end
        % 压缩因子处理
        if f_sphere(X(i, :)) > f_sphere(pbest(i, :))
            X(i, :) = pbest(i, :) + c3 * (X(i, :) - pbest(i, :));
        end
        X(i, :) = min(xmax, max(xmin, X(i, :))); % 越界处理
    end
    
    % 输出当前迭代结果
    fprintf('Iteration: %d, Best fitness: %f\n', t, f_gbest);
end

该代码会输出每次迭代的全局最优解的函数值。注意，该代码中的压缩因子处理方法并不是唯一的，可能存在更优秀的处理方法，需要根据具体问题进行调整。