%------給定初始化條件----------------------------------------------

c1=1.4962;             %學習因子1

c2=1.4962;             %學習因子2

w=0.7298;              %慣性權重

MaxDT=100;            %最大迭代次數

D=30;                  %搜索空間維數（未知數個數）

N=50;                  %初始化群體個體數目

eps=10^(-6);           %設置精度(在已知最小值時候用)

%------初始化種群的個體(可以在這里限定位置和速度的范圍)------------

for i=1:N

    for j=1:D

        x(i,j)=randn;  %隨機初始化位置

        v(i,j)=randn;  %隨機初始化速度

    end

end

%------先計算各個粒子的適應度，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為全局最優

for i=2:N

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

        pg=x(i,:);

    end

end

%------進入主要循環，按照公式依次迭代，直到滿足精度要求------------

for t=1:MaxDT

    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

%------最后給出計算結果

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

disp('函數的全局最優位置為：')

Solution=pg'

disp('最后得到的優化極值為：')

Result=fitness(pg,D)

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