粒子群优化（PSO）是一种自然启发的启发式优化方法。在 PSO 中，存在粒子，每个粒子都是一个候选解，搜索解空间以找到给定函数的最优点。每个粒子都有一个位置和一个速度矢量，通过更新速度矢量来寻找更好的位置。速度更新规则的灵感来自于鸟群的行为，并受益于粒子自身的最佳位置和全局最佳粒子的位置。 该项目包含 Julia 中粒子群优化的实现。该 repo 使用 MPI 提供串行和并行实现。该项目还提供了一个接口，用于在 Knet 的帮助下使用 PSO 训练神经网络。 更多详情、使用方法，请下载后阅读README.md文件

Lua的粒子群优化库_lua_代码_下载

用于 N 维目标函数的 PSO 的Fortran实现_粒子群优化 _Fortran_代码_下载

一个使用粒子群优化（PSO）算法的机器人路径规划演示 效果展示：https://github.com/zegangYang/PSO_PathPlaningNew/blob/master/ui_image_1.png 更多详情、使用方法，请下载后阅读README.md文件

使用 PSO（粒子群优化）或 DDS（动态维度搜索）算法进行（可选并行化）优化，这些算法在具有许多局部极值和有限数量的函数评估的多维（即多参数）函数方面表现出色。并行化版本建立在 Rmpi​​ 之上，旨在用于高度计算密集的目标函数（>20 秒评估时间）。该软件包的另一个重点是可以从中间项目文件恢复中断的优化运行。这些特性使该软件包可用于复杂数值模型（例如水文模型）的自动校准。

matlab代码粒子群算法粒子群最小化器 粒子群优化算法，用于查找两个函数中的最小值。 该算法以及将要最小化的两个功能在此处进行了描述： 该代码是用Matlab编写的。 要运行它，只需键入PSO22a以最小化所描述的两个函数中的第一个，或键入PSO22b以运行另一个函数。

提出了一种基于粒子群优化算法的移动机器人全局路径规划方法. 该方法首先进行环境地图建模, 通过坐
标变换在路径的起点与终点之间建立新地图, 然后利用粒子群优化算法获得一条全局最优路径. 该方法模型简单, 算
法复杂度低, 收敛速度快, 而且模型不依赖于障碍物的形状. 仿真实验证实了该方法的有效性.

PSO VMD 粒子群优化VMD的两个参数，惩罚系数和分解层数。并做包络谱，频谱等分析。

粒子群优化VMD 有示例

PSO算法，粒子群优化算法，可运行，可用于图像配准