请给出python实现粒子群优化算法的代码

以下是Python实现粒子群优化算法的示例代码：

import random
import math

class Particle:
    def __init__(self, x, y):
        self.x = x
        self.y = y
        self.vx = 0
        self.vy = 0
        self.bestx = x
        self.besty = y
        self.bestscore = float('inf')
        self.score = float('inf')

    def update_velocity(self, bestx, besty, w, c1, c2):
        self.vx = w * self.vx + c1 * random.random() * (self.bestx - self.x) + c2 * random.random() * (bestx - self.x)
        self.vy = w * self.vy + c1 * random.random() * (self.besty - self.y) + c2 * random.random() * (besty - self.y)

    def update_position(self):
        self.x += self.vx
        self.y += self.vy

    def evaluate(self, func):
        self.score = func(self.x, self.y)
        if self.score < self.bestscore:
            self.bestscore = self.score
            self.bestx = self.x
            self.besty = self.y

def particle_swarm(func, bounds, n_particles, n_iter, w, c1, c2):
    particles = [Particle(random.uniform(bounds[0][0], bounds[1][0]), random.uniform(bounds[0][1], bounds[1][1])) for i in range(n_particles)]
    bestscore = float('inf')
    bestx = None
    besty = None

    for i in range(n_iter):
        for particle in particles:
            particle.evaluate(func)
            if particle.score < bestscore:
                bestscore = particle.score
                bestx = particle.x
                besty = particle.y

        for particle in particles:
            particle.update_velocity(bestx, besty, w, c1, c2)
            particle.update_position()

            particle.x = max(min(particle.x, bounds[1][0]), bounds[0][0])
            particle.y = max(min(particle.y, bounds[1][1]), bounds[0][1])

    return (bestx, besty, bestscore)

该代码定义了一个 `Particle` 类来表示每个粒子，包含了位置、速度、历史最优位置和历史最优得分等属性，以及更新速度、更新位置和评估得分等方法。

`particle_swarm` 函数实现了粒子群优化算法，接受函数、变量边界、粒子数、迭代次数、惯性权重、个体学习因子和群体学习因子等参数。在函数内部，先初始化了一组粒子，然后在每次迭代中，先评估每个粒子的得分，更新全局最优解，然后更新每个粒子的速度和位置，并确保它们在变量边界范围内。最后返回全局最优解的位置和得分。