这是简单的基本PSO功能。
这个函数很好地说明和类比编程，以更好地理解和可视化粒子群优化理论和如何实现。
要运行这个，你还需要一个函数MinMaxCheck。(文件Id: # 43251)
PSO描述：http://en.wikipedia.org/wiki/particle_swarm_optimization.
程序描述：
%%
％输入变量
% Bird_in_swarm=粒子数量=agents=候选
％number_of_quality_in_bird =变量的数量
％
％minmaxrange：JX2矩阵;jth行包含jth变量的最小值和最大值
%表示变量N1
%，可以有最大值M1和最小值M1
％，那么你的矩阵将是[m1 m1]
百分比更多：
％[m1 m1;m2 m2;MJ MJ]
％
％food_availability =带一个输入变量的目标函数（对于多个变量，您可以使用阵列）
两个变量的％例子
％函数f = funfunc（array）
% =数组(1);
% b =数组(2);
％f = a + b;
％ 结尾
% Food_availability是一个字符串，例如上面的'funfunc'
％
％可用性_type是字符串'min'或'max'，以检查是否需要最小化或最大化Food_Availability
%速度夹紧系数(通常为2)
% cognitive_constant=c1=个体学习率(通常为2)
％social_constant = c2 =社交参数（通常为2）
%通常C1 + C2 > = 4
％
％inertia_weight =在搜索过程的开始时，多样化是大量加权，而在搜索过程结束时强度加权重量。
％min_inertia_weight = min惯性重量（通常为0.4）
% Max_Inertia_weight=最大惯性权重(通常为0.9)
％max_iteration =重新调整羊群/鸟类的位置的次数是多少次
％
％
%输出变量
％Optimised_Parameters：最佳参数

必需的matlab函数minmaxcheck.m（文件ID：＃43251）
http://www.mathworks.in/matlabcentral/fileexchange/43251-bound-values-of-an-array.

如果该计划在您的研讨会/项目/研究/论文等中以任何方式帮助您，请用来引用我们的工作（本页或论文）。

谢谢你。