%------基本粒子群優化算法（Particle Swarm Optimization）-----------
%------名稱：基本粒子群優化算法（PSO）
%------作用：求解優化問題
%------說明：全局性，并行性，高效的群體智能算法
%------作者：孫明杰（dreamsun2001@126.com）
%------單位：中國礦業大學理學院計算數學碩2005
%------時間：2006年8月17日 <CopyRight@dReAmsUn>
%------------------------------------------------------------------
%------初始格式化--------------------------------------------------
clear all;
clc;
format long;
%------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=1000;            %最大迭代次數
D=10;                  %搜索空間維數（未知數個數）
N=40;                  %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('*************************************************************')
%------算法結束---DreamSun GL & HF-----------------------------------