标准的PSO代码 MATLAB直接运行。其中 main是主函数，点击运行即可

【KELM预测】基于粒子群算法改进核极限学习机(KELM)分类算法 matlab源码.zip

完整代码，可直接运行

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

为了对复杂系统中物流网络进行规划,在分析复杂制造系统物流网络特点的基础上,用多级有向图来对物流配送问题进行建模。针对物流路径的流量和时间限制,以寻找满足约束条件的最小成本的路径为目标,利用改进的蚁群算法对配送路径进行规划,最后运用MATLAB语言编程仿真。改进后的蚁群算法克服了一般蚁群算法的不足,提高了算法的性能,可以解决复杂制造系统的物流网络配送路径优化问题。

本文提出了概率路线图，改进的蚁群优化和三阶B样条曲线之间的独特组合，以解决复杂和非常复杂的环境中的路径规划问题。 该提议的方法可以分为三个阶段。 第一阶段涉及使用概率路线图算法根据环境复杂性构建随机路线图。 可以通过在复杂和非常复杂的静态环境中随机分布N个节点，然后根据一些标准或条件将这些节点配对在一起来构造路线图。 所构建的路线图包含大量可能的随机路径，这些路径可能导致将起点和目标点连接在一起。 第二阶段包括在预先构建的路线图中找到路径。 已经提出了改进的蚁群优化来查找或搜索起点和目标点之间的最佳路径，其中除了提出的组合之外，还对ACO进行了修改以提高其找到更短路径的能力。 最后，第三阶段使用B样条曲线来平滑和减少前一阶段找到的路径的总长度。 所提出的方法的结果确保了在复杂和非常复杂的环境中起点和目标之间的可行路径。 另外，保证路径短，平滑，连续和安全。

针对蚁群算法存在停滞现象的缺点,提出一种动态调整的选择策略以强化其全局搜索能力.改进的选择策略通过适当刺激蚂蚁尝试具有较弱信息素解,以提高所得解的全局性.给出了新算法仿真实验步骤,并将改进后的蚁群算法与传统蚁群算法分别应用于旅行商问题(TSP)进行仿真实验.仿真结果表明,改进后的算法具有优良的全局优化性能,可抑制算法过早收敛于次优解,有效防止了停滞现象,收敛速度也大大加快.

基于MATLAB的改进型基本蚁群算法基于MATLAB的改进型基本蚁群算法基于MATLAB的改进型基本蚁群算法

针对支持向量机(SVM)参数难以选择和确定的问题,采用一种新式元启发式优化算法——多元宇宙优化算法(MVO).并在传统多元宇宙优化算法(MVO)的基础上针对TDR值下降速度慢而导致旅行距离增加的问题,提出改进多元宇宙优化算法(IMVO),将改进多元宇宙优化算法用于支持向量机的参数优化和选择问题上.使用UCI标准数据库中的数据进行数值仿真实验.研究结果表明:采用改进多元宇宙优化算法优化的支持向量机有较强的寻优性能,稳定性较好.

介绍李群算法及其应用的非常好的文档，基础资料，李群算法及其应用