粒子群pso算法优化RBF网络粒子群pso算法优化RBF网络

MATLAB的超级算法，其中包含现代优化算法；约束优化；以及各种优化算法。

本资料为研究生课程智能优化算法之粒子群优化算法部分的资料，包括代码，经典论文，以及授课PPT，对初学者非常有用

PSO算法是从这种生物种群行为特征中得到启发并用于求解优化问题的，算法中每个粒子都代表问题的一个潜在解，每个粒子对应一个由适应度函数决定的适应度值。粒子的速度决定了粒子移动的方向和距离，速度随自身及其他粒子的移动经验进行动态调整，从而实现个体在可解空间中的寻优。

采用粒子群优化算法求解典型的NP-Hard问题——作业车间调度问题，优化目标为平均流动时间，希望对大家研究该问题有帮助！

PSO-LS-SVM代码

利用PSO算法进行分布式电源的无功优化，程序中带有详细的说明

（matlab程序源代码）PSO工具箱使用简介\test_func.mPSO工具箱使用简介\test_func.m

粒子群算法 实现 最短路径，解决TSL多旅行商问题，以此为基础解决VRP问题

大地电磁测深法的粒子群反演算法程序，一维，子群算法 粒子群算法，也称粒子群优化算法或鸟群觅食算法（Particle Swarm Optimization），缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等[1] 开发的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。粒子群算法是一种并行算法。