文档中主要是基于粒子群优化算法的Rosenbrock函数优化问题的研究，本文分析了粒子群优化算法的原理及算法流程,对算法参数的选择做了详细的研究,并基于Java语言开发了粒子群算法的模拟程序，实现求解Rosenbrock函数最优解。

针对电力负荷的小样本、非线性、高维数和局部极小点等问题,提出采用最小二乘支持向量机方法建模,以历史负荷、温度、湿度等数据作为输入量,对短期电力负荷进行预测;针对最小二乘支持向量机在建模中存在的参数选取问题,采用一种根据种群多样性信息来指导初始种群选取和避免粒子早熟收敛现象的改进粒子群优化算法来优化最小二乘支持向量机的惩罚因子和核参数。仿真结果表明,基于改进粒子群优化算法和最小二乘支持向量机的短期电力负荷预测方法较最小二乘支持向量机预测方法、基于基本粒子群优化算法和最小二乘向量机的预测方法具有更好的预测精确度。

粒子群算法（PSO）作为一种群智能算法，有效提高了投资组合模型的实用性，但存在搜索精度较低和易陷入局部最优的缺陷.为克服其缺点，本文提出基于天牛须搜索（BAS）的粒子群优化算法（简称BSO），并将其应用到包含完整费用的投资组合模型中.在基于天牛须搜索的优化算法中（BSO），每个粒子的更新规则源自BAS，在每次迭代中都有自己对环境空间的判断，而不仅依赖于PSO中历史最佳解决方案和粒子个体的当前全局最优解，从而减少迭代次数、提高搜索速度和精度.实证结果表明算法更具稳定性和有效性.

基于改进粒子群优化算法的手势跟踪，王霞，夏海轮，针对优化算法在高维人手参数空间中求解复杂的目标函数时出现的局部搜索能力不足、早熟收敛和精度低等问题，本文提出一种基于自适

用粒子群优化算法求解函数最大值和最小值问题，稍微更改一下即可求任意函数最值

简单输入

简单输入

各类改进粒子群算法，模拟退火，混合，随即权重，粒子群算法

本程序适合于综合能源系统模型优化求解，可解决电气冷热优化求解问题

基于自适应线程束的GPU并行粒子群优化算法.pdf