带约束处理的粒子群算法，简明清晰

粒子群算法优化代码，编写了目标函数并且该函数包括约束条件，可以方便初学者学习进行套用。生物机理：鸟群寻找湖泊 在函数中，有很多是无法求出最优解的 在这时，我们会采用软计算方法，而PSO算法，在软计算算法中有重要的地位；

function y=fun（X）
%    下列函数为：
%    y=0.072*x1+0.063*x2+0.057*x3+0.05*x4+0.032*x5+0.0442*x6+0.0675*x7+7
%    约束条件为：
%    0.072*x1+0.063*x2+0.057*x3+0.05*x4+0.032*x5+0.0442*x6+0.0675*x7<=264.4
%    128*x1+78.1*x2+64.1*x3+43*x4+58.1*x5+36.9*x6+50.5*x7<=67919
a=[0.0720.0630.0570.050.0320.04420.0675];
b=[0.0720.0630.0570.0050.0320.04420.0675];
c=[12878.164.14358.136.950.5];
%% 目标函数
% cons1= @（X）（b*X<=264.4）;   %匿名函数编写约束条件1
% cons2= @（X）（c*X>=-20）;     %匿名函数编写约束条件2 ，也可以直接写在迭代循环函数中或写在主函数中
% 有两种求解方式
% （1）
if b*X<=264.4 && c*X>=-20
    y= a*X+7;
else
    y=10^10;
end
% % （2）
%     y= a*X+7+100000*（b*X-264.4） +100000*（ c*X+20）;
% end
end

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件         744  2020-03-30 19:43  fun.m
     文件        5595  2020-03-30 19:55  pso.m