clear;
clc;
N=3000;
Ex=0;
En=1;
He=0.1;
CloudDrp = zeros(2,N);
for i=1:N
E_n = normrnd(En,He,1,1); %随机生成一个一行一列的以En为期望，以He为标准差的正态分布的数，这个数就是下一个正态分布的标准差
CloudDrp(1,i) = normrnd(Ex,E_n,1,1); %生成横坐标，也就是云滴的取值
CloudDrp(2,i) = exp(-(CloudDrp(1,i)-Ex)^2/(2*E_n^2));%钟形隶属度函数，得到纵坐标，隶属度
end
plot(CloudDrp(1,:),CloudDrp(2,:),‘.‘)
这一一维云模型的代码，可以用于算法的优化，云模型本身带有随机性和不确定性。可以用于局部寻优。
原文：https://www.cnblogs.com/zzm1/p/9973257.html