请参阅http://dx.doi.org/10.1109/TIE.2014.2334669 [Ufnalski, B.; Kaszewski, A.; Grzesiak, LM，“具有 LC 输出滤波器的三相四线电压源逆变器的多振荡 LQR 的粒子群优化”，IEEE 工业电子学刊，第 2 卷。 62，没有。 1，第 484-493 页，2015 年 1 月]了解更多详情。 请记住，优化并不意味着稳健！ 在该控制系统中，为控制信号动态选择足够的惩罚是至关重要的。 好消息是，这是在建议的调整过程中唯一需要猜测和检查的参数。 在http://dx.doi.org/10.1109/EPE.2013.6631891 [Kaszewski, A.; 乌夫纳尔斯基，B.； Grzesiak, LM，“带有 LC 输出滤波器的三相四桥臂逆变器的 LQ 控制器——选择正确的参考系”，第 15 届欧洲电力电子

这是粒子群算法的例程和详细讲解，包括PPT和文档，程序由两部分组成。

matlab代码 粒子群算法matlab代码

通过最简单的一元函数的求解来详细解释如何通过粒子群算法进行编程，注释详细。

遗传算法中的交叉和变异思想恰好能应用到此处，比如说个体粒子先和个体最优交叉产生一个新的粒子，当然这里如果新产生的粒子没有原来粒子好，我们就舍弃这个新的粒子；与个体最优交叉完后，新的粒子还需与群体最优交叉，同样如果新产生的粒子没有原来粒子好，我们就舍弃这个新的粒子；交叉操作结束后，对新的粒子进行变异操作，同样如果新产生的粒子没有原来粒子好，我们就舍弃这个新的粒子。一直重复上述操作直至循环结束，最终输出群体最优粒子就是搜索过程中搜索到的最优粒子。

为了改善粒子群算法的优化性能，解决阵列天线波束赋形关于离散的优化问题处理不佳、容易陷入局部最优的问.题，提出了一种新型的粒子群算法。该算法基于基本粒子群算法，引入控制因子和遗传算法的交叉变异机制，并 应 用 于 八.单元偶极子圆环阵列天线。仿真结果表明，新型粒子群算法收敛速度快、精度高。

基于matlab的带罚函数的自适应粒子群算法+含代码操作演示视频

焊接机器人在工业上被广泛应用,焊接的任务规划直接关系到制造效率的提高.点焊机器人路径规划在仅考虑路径长度时可以简化为焊接顺序的优化问题,即旅行商问题.考虑到旅行商问题是NP完全问题,且是离散问题,提出一种结合莱维飞行的粒子群算法并对其进行离散化以求解此类路径优化问题.焊接机器人路径规划仿真结果验证了所提出方案的合理性和可行性.

1.python程序 2.可直接运行，有数据集

基于PSO粒子群优化算法的车间调度matlab仿真程序最后输出调度结果以及甘特图，matlab2021a测试。