1、建立PSO.m文件 function[xm,fv]=PSO(fitness,N,c1,c2,w,M,D) %fitness-是要优化的目标函数，N-种群数，c1,c2-学习因子，w-惯性权重，M-迭代次数， D-粒子维数。（PSO(@fitness,100,2,2,0.6,1000,3)） format long;15位长度 %初始化种群 for i=1:N for j=1:D end x(i,j)=randn;% 随机初始化位子 v(i,j)=randn;% 随机初始化速度 end %先计算各个粒子的适应度，并初始化pi-粒子个体极值和pg-全局极值 for i=1:N p(i)=fitness(x(i,:)); y(i,:)=x(i,:); end pg=x(N,:);%pg为全局极值 for i=1:(N-1) if fitness(x(i,:))

f=x(1).^2+x(2).^2; end 步骤三 命令行语句 [xm,fv]=PSO(@fitness,100,2,2,0.6,1000,3) 运行结果 xm = -0.000000000000000 -0.000000000000000 0.365357498479421 fv = 2.112331683121279e-115