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

原型： [xopt, fval, exitflag, output] = ppso(func,npars,lb,ub) 或[xopt, fval, exitflag, output] = ppso(func,npars,lb,ub,options) 或[xopt, fval, exitflag, output] = ppso(func,npars,lb,ub,options,auxdata) 描述： 使用全局版本的粒子群优化算法查找函数的最小值，如参考文献中所述。 1. 认知权重和社会权重的值分别为 cC = 1.49445*r2(0,1) 和 cS = 1.49445*r3(0,1) 其中 r2(0,1) 和 r3(0,1) 为两个在 0 和 1 之间均匀分布的随机数。惯性权重为 cI = 0.5 + 0.5*r1(0,1)。 已经测试了惯性权重的递减版本，但它导致整个算法在速度和最终

Phasor Prticle Swarm Optimization (PPSO)相量粒子群群优化 ，包括完整的matlab代码

自己改进的粒子群算法，带有时间飞行因子T

个人认为比较好的粒子滤波程序，matlab编写

文档详细介绍了粒子滤波器的由来、优缺点，公式推导有理有据易于理解，避免晦涩难懂。

论文资源，粒子群优化神经网络的预测模型。

粒子群算法是一种基于群体智能的优化算法。对于无约束的非线性函数极值寻优问题，采用粒子群算法进行解决，快速、准确且鲁棒性好。

matlab粒子光代码粒子过滤器 地形参考导航的标准粒子滤波器、辅助粒子滤波器、混合粒子滤波器、乱序粒子滤波器的MATLAB实现 如何运行： 运行 main_OOSM.m 如果您发现此代码有帮助，请引用以下论文： Youngjoo Kim 等人，“利用序列外测量进行粒子过滤中的模糊更新”，IEEE 航空航天和电子系统汇刊，54(1)，2018 年。可用：

为提高短期负荷预测精度，针对传统的单一负荷预测模型精度低以及常规智能算法在解决高维、多模复杂问题时容易陷入局部最优的问题进行了研究，提出了一种结合混沌纵横交叉的粒子群算法（CC-PSO）优化极限学习机（ELM）的短期负荷预测模型。ELM的泛化能力与其输入权值和隐含层偏置密切相关，采用结合混沌纵横交叉的粒子群算法优化ELM的输入权值与隐含层偏置，提高了ELM的泛化能力和预测精度。选择广东某地区实际电网负荷数据进行分析，研究结果表明，相对于BP神经网络和支持向量机，ELM具有更高的泛化能力和预测精度；CC-PSO相对于粒子群和遗传算法具有更高的全局搜索能力，CC-PSO-ELM模型具有较高的负荷预测精度。