编写粒子群优化研究工具箱是为了协助论文研究，以对抗粒子群优化 (PSO) 的过早收敛问题。 控制面板提供了足够的灵活性以适应各种研究方向； 在指定您的意图之后，工具箱将自动执行多项任务，以腾出时间进行概念设计。 示例特征 +从Gbest PSO，Lbest PSO，RegPSO，GCPSO，MPSO，OPSO，全局最佳的柯西突变以及混合组合中进行选择。 + 基准套件包括 Ackley、Griewangk、Quadric、noise Quartic、Rastrigin、Rosenbrock、Schaffer's f6、Schwefel、Sphere 和 Weighted Sphere。 + 每个试验使用自己的伪随机数序列来确保数据的可重复性和唯一性。 + 选择最大数量的函数评估或迭代。 如果达到成功阈值或检测到过早收敛，则提前终止。 + 选择静态或线性变化的惯性权重。 + 激活

粒子群算法PSO、毕设论文、Matlab源代码、实验数据

使用BP、RBF、PSO-RBF进行数据预测，内含代码、数据！

该程序以matlab为基础通过对历史气候数据进行模糊聚类，提取相似日负荷构成样本数据并进行小波分解，利用改进的PSO-RVM算法对各小波分量进行预测和叠加，以得到预测日负荷序列的均值和概率模型。

神经网络非线性函数拟合基于粒子群优化算法 PSO , 模拟退火 PSO , 混沌 SAPSO , 神经网络 , 非线性函数

PV 模块需要 MPPT 转换器以获得最大功率。 然而，在部分遮蔽时，由于存在多个最大功率点，更难获得最大功率。 PSO 可用于获得全局最大功率点。 请注意，PSO 的使用是基本的，需要大量扰动才能获得全局最大功率点。 如果出现此错误： 评估 block_diagram 'MPPT_PSO' 的 'InitFcn' 回调时出错。 回调字符串是 'load('refData.mat')' 去： https://youtu.be/ZXYiKHypbRA

在本文中，作者描述了使用PSO算法改善LCMV和MVDR波束形成的性能。 最初，我们使用LCMV设计了波束形成，并且我们通过提取权重，功率和SINR等参数来分析了阵列信号处理的性能。 通过使用LCMV，我们注意到最小的信噪比（SINR），旁瓣的出现和干扰。 最终，我们尝试通过在波束成形中采用PSO来提高性能。 我们已经观察到性能显着提高。 使用多个传感器元素（例如M = 4/8/50/100）扩展了分析。 使用相控阵系统工具箱在MATLAB中进行了整个分析，并获得了相应的输出。 通过将LCMV和MVDR与PSO技术进行比较，得出的结果是，在PSO中观察到了优化的输出，从而提高了方向性，避免了干扰并减轻了旁瓣。

主要是通过GA和PSO的全局搜索能力，用于改进BP网络的权值阈值

QPSO matlab程序源码 QPSO的实现方法。

粒子群算法（PSO）用于解决山地路线规划问题(完整程序以及讲解PPT)