对粒子群算法采取高斯变异，写个Matlab 程序

好的，我可以为您提供一个粒子群算法采用高斯变异的 Matlab 程序。

程序如下：

% 定义函数
fun = @(x) sum(x.^2);

% 设置参数
max_iter = 100; % 最大迭代次数
pop_size = 50; % 粒子数量
dim = 5; % 维度
c1 = 1.5; % 学习因子1
c2 = 1.5; % 学习因子2
w = 0.8; % 惯性因子
sigma = 0.1; % 高斯变异的标准差

% 初始化粒子群
pop_position = rand(pop_size, dim);
pop_velocity = rand(pop_size, dim) * 0.1;
pop_best_position = pop_position;
pop_best_value = zeros(pop_size, 1);

% 计算初始适应度
for i = 1:pop_size
    pop_best_value(i) = fun(pop_best_position(i, :));
end

% 迭代
for iter = 1:max_iter
    % 更新粒子速度和位置
    for i = 1:pop_size
        r1 = rand(dim, 1);
        r2 = rand(dim, 1);
        pop_velocity(i, :) = w * pop_velocity(i, :) ...
            + c1 * r1 .* (pop_best_position(i, :) - pop_position(i, :)) ...
            + c2 * r2 .* (pop_best_position(randi(pop_size), :) - pop_position(i, :));
        pop_position(i, :) = pop_position(i, :) + pop_velocity(i, :);
        
        % 高斯变异操作
        pop_position(i, :) = pop_position(i, :) + sigma * randn(1, dim);
    end
    
    % 更新粒子局部最优解
    for i = 1:pop_size
        fval = fun(pop_position(i, :));
        if fval < fun(pop_best_position(i, :))
            pop_best_position(i, :) = pop_position(i, :);
            pop_best_value(i) = fval;
        end
    end
    
    % 更新全局最优解
    [global_best_value, global_best_index] = min(pop_best_value);
    global_best_position = pop_best_position(global_best_index, :);
    
    % 输出结果
    fprintf('Iteration %d: Best fitness = %f\n', iter, global_best_value);
end

这个程序实现了粒子群算法采用高斯变异的过程，其中的高斯变异可以增加算法的搜索能力。您可以根据自己的需要修改程序中的参数和函数。