function?[gbestxmfvMWn]=yueshu_APSO_FCG_norm（testNc1c2MwmaxwminxmaxxminymaxyminNmaxNmin）
%有約束的基于適應度和連續世代策略的自適應粒子群算法：調節w、N初始化為范圍內隨機
%test函數為增廣目標函數
%停止條件為：最大迭代次數和連續9次最優適應度沒有更新
%全局最優增廣適應度：gbest
%目標函數的最小值的自變量值：xm
%目標函數的最小值：fv
%最大迭代次數：M
%粒子數目動態軌跡：n
%test增廣適應度函數
%粒子數目初始值：N
%學習因子1：c1
%學習因子2：c2
%最大權重：wmax
%最小權重：wmin
%優化變量范圍：wmax、wmin、ymaxymin

format?long;
%%?在粒子范圍內隨機初始化
x1=10*rand（N1）;
x2=10*rand（N1）;
x=[x1x2];
v=rand（N2）;
W=zeros（MN）;%存放慣性因子，方便繪圖
n=zeros（M1）;%存放種群規模
gbest=zeros（1M）;%預定義全局最優適應度
%%?求解有約束的初始化粒子的歷史最優適應度和位置
for?i=1:N
????f（i）=test（x（i:）0xmaxxminymaxymin）;%求解增廣適應度
????p（i:）=x（i:）;%歷史最優
end
%比較適應度
pg=x（N:）;?????%pg為全局最優
a=N;
for?i=1:（N-1）
????if?f（i）????????pg=x（i:）;
????????v1=v（i:）;%存放歷史最優位置的速度
????????a=i;
????end
end

%%?粒子群算法更新
for?t=1:M?
????n（t）=N;
????for?j=1:N?
????????fv（j）=test（x（j:）txmaxxminymaxymin）;??%計算增廣目標函數
????end??????????????
%%?自適應慣性因子???????????
????fvag=sum（fv）/N;?????????%適應度平均值
????fmin=min（fv）;???????????%適應度最小值
????for?i=1:N
????????if?fv（i）????????????w=wmin+（fv（i）-fmin）*（wmax-wmin）/（fvag-fmin）;%減少w
????????else
????????????w=wmax;%適應度差，增強全局
????????end
????????W（ti）=w;%慣性因子
%%?更新位置和速度?????????????????
????????v（i:）=w*v（i:）+c1*rand*（p（i:）-x（i:））+c2*rand*（pg-x（i:））;
????????x（i:）=x（i:）+v（i:）;??
%%?更新有約束的歷史最優和全局最優????????
????????if?test（x（i:）txmaxxminymaxymin）????????????f（i）=test（x（i:）txmaxxminymaxymin）;%歷史最優適應度
????????????p（i:）=x（i:）;%歷史最優位置
????????????a=i;
????????end
????????if?f（i）????????????pg=p（i:）;
????????????v1=v（i:）;%全局最優位置的速度
????????end?????????
????end
????gbest（t）=test（pgtxmaxxminymaxymin）;%全局最優適應度
%%?連續世代調整種群規模
????if?t>=4?????%更新4代及其以上時候使用連續世代策略（因為設定連續三代，所以從第四代開始統計
????????if?gbest（t）==gbest（t-1）&&gbest（t）