蚁群算法粒子群算法matlab实现，人工智能算法，智能算法。 智能算法是路线规划、深度学习等等一系列领域所使用的优化算法，是算法进阶之路的必备之路。

在Matlab中分别用粒子群算法、遗传算法、人群搜索算法这类群智能算法整定PID参数。

针对云计算中无法合理分配资源的问题,提出了采用改进的粒子群算法对其进行分配。由于粒子群算法存在局部收敛速度快,容易陷入局部最优解的情况,从粒子的选择、参数调整和预防过早收敛三个方面进行改进: (1)选择粒子的时候采用适应值最小的粒子,并根据约束函数淘汰不合格的粒子;(2)对惯性因子、个体最优因子和全局最优因子进行改进;(3)通过设定系数来防止算法过早收敛。仿真说明,将改进后的算法运用在云计算方面,在云计算的资源失效、云端用户完成时间和云计算环境下的能量消耗三个方面都优于粒子群算法。

粒子群算法程序，详细分析了代码内容，设计PID参数，与SIMULINK配合使用

【路径规划】基于遗传算法结合粒子群算法求解带时间窗车辆路径规划问题（VRPTW）matlab源码.zip

粒子群算法优化神经网络权值，是比较好的程序设计，程序的作者是武汉大学的博士

最新人工智能遗传算法蚁群算法粒子群算法主题讲座课件.ppt

使用PSO优化RBF神经网络的主要参数中心值c, 宽度σ以及连接权值w。然后将影响输出响应值的多个特征因素作为PSO-RBF神经网络模型的输入神经元, 输出响应值作为输出神经元进行预测测试。

测试函数shubert是周期测试函数，拥有多个全局最优解，单周期内拥有一个全局最优解，粒子群算法具有收敛速度快，参数设置简单，容易理解的特点，用粒子群算法求解shubert函数，效果较好

针对标准粒子群算法在进化过程中种群多样性降低而早熟的问题 ,提出一种动态改变惯性权重的自适应粒子群算法.