用matlab写一个粒子群算法

下面是一个简单的粒子群算法的Matlab实现示例：

% 粒子数
n = 50;

% 最大迭代次数
max_iter = 100;

% 粒子位置和速度的范围
x_min = -5;
x_max = 5;
v_min = -1;
v_max = 1;

% 目标函数
fun = @(x) sum(x.^2);

% 初始化粒子位置和速度
x = repmat(x_min, n, 1) + rand(n, 1) * (x_max - x_min);
v = repmat(v_min, n, 1) + rand(n, 1) * (v_max - v_min);

% 初始化个体最优位置和全局最优位置
p = x;
p_best = p;
g_best = p(1, :);

% 开始迭代
for iter = 1:max_iter
    % 更新速度和位置
    v = v + rand(n, 1) .* (p - x) + rand(n, 1) .* (repmat(g_best, n, 1) - x);
    x = x + v;
    
    % 限制粒子位置在范围内
    x = max(x_min, min(x_max, x));
    
    % 更新个体最优位置和全局最优位置
    f = fun(x);
    f_best = fun(p_best);
    for i = 1:n
        if f(i) < f_best(i)
            p_best(i, :) = x(i, :);
            f_best(i) = f(i);
        end
    end
    [g_best_val, g_best_idx] = min(f_best);
    g_best = p_best(g_best_idx, :);
    
    % 显示当前迭代次数和最优解
    fprintf('Iteration %d: %f\n', iter, g_best_val);
end

这个程序首先设置了粒子数、最大迭代次数、粒子位置和速度的范围、目标函数等参数，然后进行了初始化。接着，在每次迭代中，使用粒子群算法的公式更新每个粒子的速度和位置，并限制粒子位置在范围内。然后，更新个体最优位置和全局最优位置，并显示当前迭代次数和最优解。最后，程序结束，输出最终的全局最优解。

请注意，这只是一个简单的示例，实际应用中需要根据具体问题进行修改和优化。