function [pg,fpg]=PSO(MinFPG,MaxDT,N,D)

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

K1_2=0.5;
c1=1.4962*K1_2;             %學習因子1
c2=1.4962*(1-K1_2);             %學習因子2
w=0.7298;              %慣性權重
% MinFPG=1e-6;         %收斂適應度指標
% MaxDT=100;            %最大迭代次數
% D=3;
% N=20;                  %初始化群體個體數目

%------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)=rand();
%         v(i,j)=rand();  %隨機初始化速度
%     end
% end


x=rand(N,D);
% x=1/1.1*ones(N,D);
v=rand(N,D);
x=modify(x);

%------先計算各個粒子的適應度，并初始化Pi和Pg----------------------
p=fitness(x);
y=x;
% for i=1:N
%     p(i)=fitness(x(i,:));
%     y(i,:)=x(i,:);
% end

pg=x(1,:);             %Pg為全局最優
fpg=p(1);
for i=2:N
    if p(i)<fpg
        pg=x(i,:);
        fpg=p(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
    v=w*v+c1*rand(N,1)*ones(1,D).*(y-x)+c2*rand(N,1)*ones(1,D).*(ones(N,1)*pg-x);
    x=x+v;
    x=modify(x);
    pp=fitness(x);
    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,:);
    %     x(i,:)=modify(x(i,:));
        if pp(i)<p(i)
        %--更新個體最優值--
            p(i)=pp(i);
            y(i,:)=x(i,:);
            if p(i)<fpg
            %--更新全局最優值--
                pg=y(i,:);
                fpg=p(i);
            end
        end
    end
    if fpg<MinFPG
        break;
    end
end

%------算法結束---DreamSun GL & HF-----------------------------------