（转）简单的pso经典算法实现对图像的匹配，简单程序，适合初学者进行pso和匹配的学习 这几个m文件程序的主要目的是实现用智能算法的中的 粒子群的方法来对图像进行匹配，也就是最终找到实时图像 在基准图像中的坐标位置。 ----------------------------------------------------- 1. 基准图像lena_basic 实时图像lena_time 2. pre_preare.m 功能是用来修改保存的实时图像的 3. simple_fitness.m 功能是用全遍历所有的匹配位置，将相关度数据保存在 在一个矩阵中（这里用了一个较为简单的相关度算法）。 4. pso_match.m 是主程序，用pso算法对图像进行匹配，具体实现代码有注释 总体是通过Matlab编程实现的

代码中的参数不是固定的，对于不同的情况，可能需要不同的参数，参数优化配置非常重要，同一种算法，不同的参数可能造成结果迥异。 对于LJPSO算法，既可以以一个粒子的速度为单位，也可以以某一维度为单位，本代码是以一个粒子为单位衡量速度的。 至于CPSO算法，选择最差的多少个粒子也决定于具体问题。 而MPSO则是非常的灵活，本代码只展示了一种搭配方式。

粒子群优化VMD 有示例

PID控制器的优化问题就是确定一组合适的参数Ki

：针对大多数图像分割方法计算量大、不利于实时处理的缺点，提出用微粒群算法(PSO)优化最小误差分割方法。该 方法不但具备最小误差分割法受目标和噪声影响小以及对小图像分割效果好的优点，还克服了遗传算法等加速算法需要预 先设定众多运行参数，受目标变化影响大的问题。图像分割的效果和速度得到了提高，性能也更加稳定。实验结果反映了该 方法的有效性。

粒子群算法_PSO_源代码 代码实现 设想这样一个场景：一群鸟在随机搜索食物。在这个区域里只有一块食物。所有的鸟都不知道食物在那里。但是他们知道当前的位置离食物还有多远。那么找到食物的最优策略是什么呢。最简单有效的就是搜寻目前离食物最近的鸟的周围区域。 　　PSO从这种模型中得到启示并用于解决优化问题。PSO中，每个优化问题的解都是搜索空间中的一只鸟。我们称之为“粒子”。所有的粒子都有一个由被优化的函数决定的适应值(fitness value)，每个粒子还有一个速度决定他们飞翔的方向和距离。然后粒子们就追随当前的最优粒子在解空间中搜索。

phog方法提取图像特征，svm支持向量机进行分类，分别有GA遗传算法和PSO粒子群优化算法进行寻优。

针对暖通空调(HVAC)系统,提出一种基于粒子群优化(PSO)算法和最小二乘支持向量机(LSSVM)的预测控制方法。该方法利用LSSVM建立HVAC系统预测模型并预测系统的输出值,引入输出反馈和偏差校正以克服模型失配等因素引起的预测误差,以此构造加权预测控制性能指标。由PSO算法滚动优化得到系统的最优控制量。利用该控制方法对一个HVAC系统进行仿真实验,结果表明该方法具有较好的控制效果。

代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求解多目标优化问题代码代码 PSO求

PSOt为PSO的工具箱，该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。