%gbest?PSO的matlab實現代碼如下：
tic???%該函數表示計時開始
%要進行預測的實測數據
%初始格式化
clear?all;
clc;?
%給定初始化條件
c1?=?1.4962;?????????????%加速常數即學習因子1?
c2?=?1.4962;?????????????%加速常數即學習因子2?
w?=?0.7298;??????????????%慣性權重
MaxDT?=?1000;???????????%最大迭代次數
N?=?96;??????????????????%初始化群體個體數目?
eps?=?10^（-7）;???????????%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
????x（i）?=?8?*?randn;??%產生一個服從正態分布的隨機數作為初始化位置
????v（i）?=?8?*?randn;??%產生一個服從正態分布的隨機數作為初始化速度
end?
%先計算各個粒子的適應度，并初始化個體最優位置y和全局最優位置Pg?
for?i=1:N
????p?=?sphere1（x）;??%計算適應度，測試函數為sphere
????y（i）?=?x（i）;????%初始化個體最優位置y為在時間步t=0時的粒子位置
end
Pg?=?x（1）;?????????????%Pg為全局最優位置
for?i=2:N
????if?sphere1（x（i））?????????Pg?=?x（i）;%更新全局最優位置
????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?sphere1（x（i））?????????????p?=?sphere1（x（i））;%更新適應度
????????????y（i）?=?x（i）;%更新個體最佳位置
????????end
????????if?p??????????????Pg?=?y（i）;%更新群體最佳位置
????????end?
????end
?????Pbest?=?sphere1（Pg）;%保存每一代的群體最佳位置
end
for?i?=?1:96
????y（i）?=?y（i）?+?20;
????if?y（i）?????????y（i）?=?1;
????elseif?y（i）?>?50
????????y（i）?=?45;
????end
end
C?=?[40?24?16?22?10?11?2