程序中含有pso和aco两种算法，可以实现粒子群优化算法和蚁群优化算法优越性的比较。

以前的标题是“另一个粒子群工具箱” 介绍粒子群优化 (PSO) 是一种无导数的全局最优解算器。 它的灵感来自大群简单动物令人惊讶的有组织的行为，例如成群的鸟、鱼群或成群的蝗虫。 该算法中的个体生物或“粒子”是原始的，只知道四件简单的事情：1 & 2）它们自己在搜索空间中的当前位置和适应度值，3）它们以前的个人最佳位置，以及 4）整体“群”中所有粒子找到的最佳位置。 无需计算梯度或 Hessians。 每个粒子根据这些信息不断调整其在搜索空间中的速度和轨迹，在每次迭代中更接近全局最优。 正如在自然界中看到的那样，尽管其单个粒子很简单，但这个计算群显示出非凡的连贯性和协调性。 使用方便如果您已经在使用 MATLAB 全局优化工具箱中包含的遗传算法 (GA)，那么这个 PSO 工具箱将为您节省大量时间。 可以使用与 GA 相同的语法从 MATLAB 命令行调用它，并带有一些特定于 PSO

【Matlab源码】基于粒子群算法优化微电网能量管理Matlab仿真模型

【配电网重构】基于粒子群算法实现配电网重构含Matlab源码

MATLAB编程，基于粒子群pso的复杂方程组求解，总共五个复杂多元方程，代码里面有详细的注释，表明了最大迭代次数，种群个数，学习因子，权重因子，种群位置，种群速度，个体最优值，全局最优值，代码具有通用，可以更换方程组，有可以更改为目标寻优，代码可以自动导出迭代优化曲线

Optimal Micro-siting of Wind Farms by Particle Swarm Optimization

【预测模型】基于粒子群算法优化BP神经网络实现预测多输入单输出matlab源码.zip

基于多目标算法的冷热电联供型综合能源系统运行优化（文章复现） 详细请点击：https://blog.csdn.net/weixin_56691527/article/details/127649270

针对视频图像中车辆检测问题,提出了一种基于计算机视觉的运动车辆检测方法。首先,选取最佳方差参数并利用双边滤波对图像进行预处理;再利用Surendra背景更新算法实时更新背景图像,采用粒子群(PSO)极大熵法求得背景差分图像的阈值;然后,将得到的二值图像进行形态学处理并检测出运动车辆。实验结果表明,该算法不仅适用于简单背景、车速较慢的环境中,而且在复杂背景、噪声较大、车速较快的情况下,该方法均能够克服外界环境的不利影响,准确地检测出运动车辆,提高检测的准确率。

chapter14 基于粒子群算法的PID控制器优化设计，粒子群算法也是个不错的优化参数算法