应用PSO优化基于分簇的无线传感器网络路由协议.

（matlab）PSO和BPNN_PID(基于粒子群优化的神经网络PID控制).zip

烟气含氧量是影响火电厂锅炉运行安全性和经济性的一个重要因素,影响锅炉烟气含氧量的因素多而复杂,对烟气含氧量特性进行建模与控制是实现锅炉正常运行的基础。借助现场运行数据,根据锅炉烟气含氧量的特性,建立基于最小二乘支持向量机(LSSVM)的锅炉烟气含氧量预测模型。在此基础上结合全局寻优的混合粒子群算法(PSO),对锅炉烟气含氧量进行控制。仿真结果表明:该方法能够比较准确地对火电厂锅炉烟气含氧量进行测量和控制,为锅炉燃烧系统的闭环控制与优化运行提供了新的手段。

压缩包中共含有六个文件，均可运行。本程序为标准粒子群优化算法，以优化函数为例运行，代码后面标有注释，适合小白学习。

matlab randi函数源代码[源代码] ps_closest.R：原始PSO代码ps_closest_rwr.R：包含用于读取，写入和规范化RWR原始数据文件的函数ps_closest_iso.R：使用角坐标（未规范化）生成PSO网络 [数据文件] real_rwr.csv：原始RWR数据normalized_rwr.csv book1.csv：由ISOMAP Matlab代码生成的角坐标 [plots] degree-dist-rwr-popsim-network-isomap-k-7.png：由ps_closest_iso.R生成。dist_angular_coords.png：角坐标分布（来自matlab，使用book1.csv） [杂项说明] Matlab代码 随机10x10矩阵 x1 = randi（[0，100]，[10,10]）/ 100 #import数据A = importdata（'real_rwr.csv'，';'） #import csv文件M = csvread（'normalized_rwr.csv'） #run isomap function [Y，

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