为解决常规的基于粒子滤波的目标跟踪算法,使用状态转移分布作为采样粒子的建议分布函数,没有考虑当前的观测值,从而造成定位时间长、定位精度低的问题.采用将最新的观测值融合到采样过程中,利用粒子群优化方法实现目标的跟踪,使得采样粒子集往后验概率密度分布较大的区域移动,从而显著地降低了精确定位所需的粒子数.研究结果表明:改进后的目标跟踪算法性能更优.

matlab开发-加速粒子群优化。加速粒子群优化

加速粒子群优化 (APSO) 仅使用全局最佳没有单独的最佳解决方案并减少随机性。 这个演示解决了一个 D=30 维的函数。 扩展它以解决其他函数和优化问题很简单。 详细信息可以在书中找到：Xin-She Yang, Nature-Inspired Optimization Algorithms, Elsevier Insights, (2014)。 https://www.sciencedirect.com/book/9780124167438/nature-inspired-optimization-algorithms

基于Python实现的粒子群算法，上传上来方便大家交流学习，算法实现了最基础的粒子群算法，并附带简单的注释，大家可以根据自己的需要进行修改。粒子群算法是群智能一种，是基于对鸟群觅食行为的研究和模拟而来的。假设在鸟群觅食范围，只在一个地方有食物，所有鸟儿看不到食物（不知道食物的具体位置），但是能闻到食物的味道（能知道食物距离自己位置）。最好的策略就是结合自己的经验在距离鸟群中距离食物最近的区域搜索。

完整代码，可直接运行

针对地震勘探资料依赖线性优化方法进行波阻抗反演不易得到全局极值的问题,提出一种改进的粒子群优化算法—自适应粒子群优化算法进行波阻抗反演。自适应粒子群优化算法是以群智能优化理论为基础,通过3种可能移动方向的带权值组合进行全局寻优。该方法搜索速度较快,且具有较强的全局寻优能力。通过函数测试和波阻抗反演的应用,结果表明,自适应粒子群优化算法是一种适应能力较强的全局优化算法,用该方法进行波阻抗反演是可行有效的。

粒子群优化算法用于高光谱遥感影像分类的自动波段选择

粒子群算法在电网中的调度

粒子群优化最小二乘支持向量机 粒子群优化最小二乘支持向量机

资源简答，内容相对短小精悍，更有利于初学者对于该算法的掌握。该算法对于一些基本的需求都能得到满足，且对需承载的平台要求不高。希望能对初学者有一点帮助！