clear all;
clc;
format long;
%------给定初始化条件----------------------------------------------
c1=2; %学习因子1
c2=2; %学习因子2
w=0.7; %惯性因子
MaxDT=50; %最大迭代次数
D=2; %搜索空间维数（未知数个数）
M=40; %初始化群体个体数目
N=0; %初始化迭代次数
eps=10^(-6); %设置精度(在已知最小值时候用)
%------初始化种群的个体(可以在这里限定位置和速度的范围)------------
for i=1:M
for j=1:D
x(i,j)=-5.12+(5.12+5.12)*rand; %随机初始化位置,范围是（-5.12,5.12），rand为随机分布，randn表示生成标准正态分布的伪随机数（均值为0，方差为1）
v(i,j)=randn; %随机初始化速度
end
end
%------先计算各个粒子的适应度，并初始化p(i)和gbest--------------------
for i=1:M
p(i)=fitness(x(i,:),D);%p(i)个体的适应度值
y(i,:)=x(i,:);
end
gbest=x(1,:); %gbest为全局最优
%pbest为历史最优
for i=2:M
if fitness(x(i,:),D) < fitness(gbest,D)
gbest=x(i,:);
end
end
%------进入主要循环，按照公式依次迭代，直到满足精度要求------------
for N=1:MaxDT
for i=1:M
v(i,:)=w*v(i,:)+c1*rand*(y(i,:)-x(i,:))+c2*rand*(gbest-x(i,:));
x(i,:)=x(i,:)+v(i,:);
if fitness(x(i,:),D)<p(i)
p(i)=fitness(x(i,:),D);
y(i,:)=x(i,:);
N = N + 1;
end
if p(i)<fitness(gbest,D)
gbest=y(i,:);
end
end
end
%------显示计算结果
disp('*************************************************************')
disp('函数的全局最优位置为：')
Solution=gbest
disp('最后得到的优化极值为：')
Result=fitness(gbest,D)
disp('迭代次数为：')
num=N
disp('*************************************************************')
