clear all;  

clc;

format long;

%---给定初始化条件

c1=1.4962; %学习因子 1

c2=1.4962; %学习因子 2

w=0.7298; %惯性权重？这个换成wmax和wmin

MaxDT=1000; %最大迭代次数  

D=10; %搜索空间维数（未知数个数）  

N=40; %初始化群体个体数目  

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围)

for i=1:N     

for j=1:D

  x(i,j)=randn; %随机初始化位置   

   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Pi 和Pg

for i=1:N

p(i)=fitness(x(i,:),D);

y(i,:)=x(i,:);

end

pg=x(1,:); %Pg 为全局最优

for i=2:N

if fitness(x(i,:),D)<fitness(pg,D)

pg=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 t=1:MaxDT ///////w=wmax-(t/maxdt)*(wmax-wmin)

for i=1:N

v(i,:)=w*v(i,:)+c1*rand*(y(i,:)-x(i,:))+c2*rand*(pg-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,:);

end

if p(i)<fitness(pg,D)

pg=y(i,:);

end

end

Pbest(t)=fitness(pg,D);

end

%------最后给出计算结果  

disp('*************************************************************')

disp('函数的全局最优位置为：')

Solution=pg'  

disp('最后得到的优化极值为：')

Result=fitness(pg,D)  

disp('*************************************************************')  

%------算法结束---DreamSun GL & HF-适应度函数源程（fitness.m）

function result=fitness(x,D)

sum=0;  

for i=1:D

sum=sum+x(i)^2; end  

result=sum;