机器人路线规划仿真避障，matlab2021a仿真测试 %-粒子群的- global c1; %学习因子1 global c2; %学习因子2 global w; %惯性权重 global MaxDT; %最大迭代次数 global m; %搜索空间维数（未知数个数） global N; %初始化群体个体数目 global eps; %设置精度(在已知最小值时候用) global Kmax; %初始化x时用的最大迭代次数 global Qmax; %初始化x时粒子全部重新初始化用的最大迭代次数 global fitw1; %适应值函数中的两个权重 global fitw2; global pathta ; %移动的角度为60度 global psosued; %粒子群成功 global pathsued; %路径

该文件包含对应的文档和对该文档中问题的代码，对背包问题进行修改，该代码可以应用于其他问题

基于PSO-KELM的卫星参数区间预测代码 matlab版，使用粒子群算法(Particle Swarm Optimization，PSO)和核极限学习机(Kernel Extreme Learning Machine，KELM)算法相结合的卫星参数区间预测模型。

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：matlab粒子群算法_PSOMutation_PSO_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

PSO粒子群优化算法的改进仿真matlab2021a测试，带有收缩因子的微粒群算法

c1=1.4962; %学习因子1 c2=1.4962; %学习因子2 w=0.7298; %惯性权重 MaxDT=20; %最大迭代次数-------k次迭代 D=12; %搜索空间维数（未知数个数）-----D维空间 N=100; %初始化群体个体数目--------m个粒子 eps=10^(-6); %设置精度(在已知最小值时候用)

基于PSO优化的BP网络的数据预测仿真，matlab2021a测试通过

标准粒子群优化算法，单目标，基于粒子群算法PSO的函数极值寻优

与我之前提交的两篇文章非常相似。 这只是为了给我的学生提供一个更多的演示。 假设系统的阶跃响应以及参数化的传递函数是已知的。 然后使用 PSO 和 .slx 模型（第一种情况）或参数化时间响应（第二种情况）识别参数。 第二种方法似乎要快得多。

Pso算法优化Bp神经网络的程序 欢迎下载