回归预测 | MATLAB实现PSO-LSTM多输入单输出（完整源码和数据） 本次运行测试环境MATLAB2020b，MATLAB实现PSO-LSTM多输入单输出预测。

基于PSO优化BP神经网络PID控制器的仿真,使用matlab2021a或者更高版本测试 for j=1:1:H Oh(j)=( exp( net2(j)-exp(-net2(j)) ) )/(exp( net2(j)+exp(-net2(j)) )); end net3=wo*Oh; for l=1:1:Out K(l)=exp(net3(l))/(exp(net3(l))+exp(-net3(l))); %K(l)=M*net3(l); end kp(k)=M(1)*K(1); ki(k)=M(2)*K(2); kd(k)=M(3)*K(3); Kpid=[kp(k),ki(k),kd(k)]; du(k)=Kpid*epid; u(k)=u_1+du(k);

PSO粒子群优化算法.doc

这是基于改进Fireworks优化的深度信念网络的极限学习机的滚动轴承亚健康识别的Matlab版本的部分实现 Rolling Bearing Sub-Health Recognition via Extreme Learning Machine Based on Deep Belief Network Optimized by Improved Fireworks 算法： PSO-MCKD FWA-MCKD

针对ELMAN神经网络，分别采用PSO和WOA进行优化，MATLAB程序，亲测程序完整有效。

该算法为粒子群算法求解多目标优化的问题，程序已经测试过了，可以跑的通，代码注释也比较全面，大家可以放心下载！

动态粒子群算法在动态环境下进行寻优，代码亲测可以使用，有注释，可以根据需要自行修改，可放心下载！

pso-elm（粒子群算法优化极限学习机）

在智能领域，大部分问题都可以归结为优化问题。常用的经典优化算法都对问题有一定的约束条件，如要求优化函数可微等，仿生算法是一种模拟生物智能行为的优化算法，由于其几乎不存在对问题的约束，因此，得到广泛应用。本次毕业设计将基于群体智能的粒子群优化算法作为研究课题，主要任务及目标为：熟悉和掌握基本粒子群优化算法的基本原理，分析影响算法性能的参数，熟悉基本粒子群优化算法的改进算法和改进策略，利用Matlab科学计算语言进行算法仿真，掌握科学研究的基本过程和方法。提出一种改进的粒子群优化算法，并进行仿真比较。

Matlab车间动态调度PSO微粒群算法程序最后输出优化结果和甘特图，matlab2021测试。