通过新一代高级语言Julia实现标准粒子群算法，代码简洁，注释全，可拓展性强 可直接用于求解无约束工程优化问题，也可基于此代码进行算法学术改进，算法应用拓展 输入：决策变量数，种群规模，粒子群算法参数，最大迭代次数 输出：最优解，最优适应度，测试问题三维描述图，动态粒子群更迭图，收敛迭代图

本文档包含main.m,pso.m,schaffer2.m文件，能够直接用于无约束优化问题求解，可在此基础上，对标准算法进行学术改进，和工程应用拓展。 该算法思路清晰，算法精简，注释全，可拓展性强。

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

本资源采用了改进的遗传算法，进行，具体改进如下： 与传统的交叉和变异的遗传方式不同，这里提出一种改进遗传操作。具体步骤是设定一个变异概率p ，如图1所示，先在染色体中随机选择一个点G1，如G1=34。产生一个随机小数，若小于p，则第二个点G2来自同一个个体的另外一个任意点，如G2=52，然后点G1和G2之间的部分被倒置；若随机小数大于p，则从种群中任意再选择一个个体，找出G1=34在该个体中，上一个位置的点，如下一个点G3=3，则回到原来的个体，点34到3之间被倒置。这种遗传的思路在于，它能尽量利用种群中获得的信息，来指引个体的变异或者导致操作，最后使得遗传算子比较高效。

粒子群算法，最优化问题求解，有疑问可以后台私信博主

这是我在学习粒子群算法中用到的一些文章，很全面，做毕业设计用到的。有一些借鉴作用，希望能帮到大家。

代码全部封装好了，注释也写得非常简洁易懂，有任何问题后台私信博主

基本的粒子群算法，测试数据为cec2013，能描绘数据的优化过程。最有值为-1400，-1300，...-100，100，200，...1400，共28个测试函数。

经典leach算法，和PSO算法，有想法的同学可以融合在一起，便于对比仿真。亲测有效

matlab代码粒子群算法哈里斯鹰队优化（HHO） 该存储库包含用于优化基准功能的Harris Hawks优化代码（matlab M文件）： . ├── img | ├── convergence-2d.png | ├── convergence-50d.png | ├── logo.jpg | ├── schwefel_222.gif | └── trajectory.png ├── _config.yml ├── hho.m —— [function of harris hawks optimization] ├── LICENSE ├── README.md └── test.m —— [a test for 'hho.m'] 用法 [fbst, xbst, performance] = hho ( objective, d, lmt, n, T, S ) 在哪里 objective是目标功能的功能句柄 d是设计变量的尺寸 lmt是设计变量的限制； 是具有d行和2列的矩阵，第一列包含所有维度的下限，而第二列包含所有维度的下限。 n是粒子群的总体大小 T是最大迭代时间。 fbst是