粒子群算法优化Shubert函数：Matlab实现与解析

以下是使用粒子群算法（PSO）计算Shubert函数最优解的Matlab程序：

% 定义Shubert函数
shubert = @(x) -sum(sin((1:5)'*(x.^2-5)));

% 定义PSO参数
n = 100; % 粒子数
w = 0.5; % 惯性权重
c1 = 1; % 学习因子1
c2 = 1; % 学习因子2
max_iter = 100; % 最大迭代次数

% 初始化粒子位置和速度
pos = 10*rand(n, 2) - 5; % 位置范围为[-5, 5]
vel = zeros(n, 2);

% 初始化最优位置和最优解
pbest_pos = pos;
pbest_val = arrayfun(shubert, pos);

[gbest_val, gbest_idx] = min(pbest_val);
gbest_pos = pbest_pos(gbest_idx, :);

% 开始迭代
for iter = 1:max_iter
    % 更新速度和位置
    vel = w*vel + c1*rand(n, 2).*(pbest_pos - pos) + c2*rand(n, 2).*(gbest_pos - pos);
    pos = pos + vel;
    
    % 边界处理
    pos(pos > 5) = 5;
    pos(pos < -5) = -5;
    
    % 更新最优位置和最优解
    curr_val = arrayfun(shubert, pos);
    update_idx = curr_val < pbest_val;
    pbest_pos(update_idx, :) = pos(update_idx, :);
    pbest_val(update_idx) = curr_val(update_idx);
    
    [curr_gbest_val, curr_gbest_idx] = min(pbest_val);
    if curr_gbest_val < gbest_val
        gbest_val = curr_gbest_val;
        gbest_pos = pbest_pos(curr_gbest_idx, :);
    end
end

% 输出结果
fprintf('最优解：(%f, %f)\n', gbest_pos(1), gbest_pos(2));
fprintf('最优值：%f\n', gbest_val);

该程序定义了Shubert函数，并使用PSO算法计算其最优解。程序中使用了100个粒子，最大迭代次数为100次。最终输出最优解和最优值。

注意，PSO算法是一种随机算法，其结果可能因为随机因素而产生变化。如果需要得到稳定的结果，可以多次运行程序并取平均值。