MATLAB实现基本的PSO粒子群算法优化目标函数（求函数最小值的解），写成函数的形式，并举例演示如何使用

       粒子群优化算法(Particle Swarm Optimization)是一种进化计算机技术(evolutionary computation)，源于对鸟类捕食行为的研究，是一种基于迭代的优化工具。事实上，像PSO这种同属于元启发式优化算法有很多，例如同样比较常用过的遗传算法，灰狼算法，鲸鱼算法等等，这些算法放在现在看并不新颖，近年来国外的一些期刊上有时还会出现一些新的优化算法，对于学者而言更倾向于用新的东西，不过在工程上，各种优化算法的效力往往是具备一定的通用性和针对性的，只消能解决特定的问题即可。元启发式的搜索算法因其简单便捷，至今仍在工程中广为受用。

       本文首先介绍最基本的PSO粒子群算法，其原理简单来说即是在初始时刻随机生成一系列无质量的粒子，在迭代中更新每个粒子的速度和位置，通过比较每次带入到目标函数中得到的适应值，逐渐向得到目标函数最优解的方向搜索。

       实际使用中，往往希望所使用的方法以函数的形式实现，例如对于本文的优化算，我们希望将算法写成MATLAB函数的形式，输入目标函数的格式以及算法的一些基本参数(粒子个数、迭代数目、自变量个数等等)，输出为优化后的最优解和最优解对应的最优值，即：

function [xm,fv] = PSO(fitness,N,c1,c2,w,M,D) 

       我在大量应用后，觉得这种形式的PSO算法用起来最为便捷，它源自《精通MATLAB最优计算》(龚纯)，这本书是我很推荐的一本书，很适合学习使用MATLAB做优化问题的初学者，有兴趣的读者可以找来看看（如果需要电子版可以私信哦）。

       其中除去fitness共有五个参数(fitness为目标函数的表达式)：

N：粒子数。粒子数的多少根据问题的复杂程度自行决定；

D：粒子的维度。因优化的问题而定，也就是目标函数自变量的个数；

M：最大