标准粒子群优化算法-用Griewank函数测试

clear all
clc;
%**********参数设置*********
UB=600;     %函数的上界
LB=300;         %函数的下界
PopSize=40;     %种群大小
Dim=10;           %粒子（解）的维度
c1=2;             %学习因子
c2=2;
w_start=0.9;     %惯性权重的起始值
w_end=0.4;       %惯性权重的结束值
Vmax=100;        %粒子的最大速度
Maxiter=1500;       %最大迭代次数
iter=0;                 %初始迭代次数

%*********PSO种群初始化*********
X=rand（PopSizeDim）*（UB-LB）+LB;        %粒子位置随机初始化
V=rand（PopSizeDim）;                      %粒子速度随机初始化

%测试函数 Griewank函数
ind=repmat（1:DimPopSize1）;     % B = repmat（A[m n]） 
FX=sum（（（X.^2）/4000）‘）‘-prod（cos（X./sqrt（ind））‘）‘+1;

%设定当前位置为粒子的最好位置pbest，和全局最好位gbest。
pbest=X;
Fpbest=FX;                      

%找到初始粒子群的最好粒子作为gbest
[Fgbestr]=min（FX）;
gbest=X（r:） ;            %用于保存最优粒子的位置gbest
CF=Fgbest;                %记录当前全局最优值CF与更新后的作比较用

%%%%循环%%%%%
while（iter<=Maxiter）
  iter=