分别用改进的粒子群优化算法和改进的差分进化算法求解柔性作业车间调度问题 问题规模以(工件J*工序P*机器M)表示，例如J20P10M10表示共有20个工件，每个工件有10个工序，总共有10个加工机器可供选择。data文件夹中的文件表示程序所用的数据，其中data_first文件的问题规模是J10P5M6，data_second文件的问题规模是J20P10M10，data_third文件的问题规模是J20P20M15。对于其中数据的解释：横向表示工序，纵向表示机器，每个数值表示机器加工工序的耗时，工序和机器都是按顺序排列的。以data_first.txt文件为例，前五行分别表示第一个工件的5个工序分别在6台机器上加工的时间，第5-10行表示第二个工件的5个工序分别在6台机器上加工的时间，以此类推。 关于编码，本项目采用的是同类问题常用的编码方式，参考论文“基于改进遗传算法的柔性作业车间调度问题研究”，与该论文所述的编码方式不同的是，本项目的编码中第一段为工序编码，第二段为机器编码。DE文件夹中的三个文件分别采用三种不同的初始化方式，其中DE_first.py采用的是完全随机的

根据粒子群算法，MPC（预测控制）在光伏电池控制中的应用 程序

针对红外气体传感器测量精度受环境温度影响较大的问题，提出了一种基于嵌入自适应Levy变异免疫粒子群-最小二乘支持向量机（ALIPSO-LSSVM）的温度补偿算法。ALIPSO算法引入Levy flight对子代粒子进行自适应变异，确保粒子多样性，并在每次迭代之前，采用相对基学习方法初始化粒子群，提高算法的收敛速度。通过5个基准测试函数对ALIPSO算法进行性能评价，仿真结果表明该算法收敛速度较快、精度高，且具有较强的全局搜索能力。利用ALIPSO算法对LS-SVM的参数进行优化，并将该混合算法应用于红外气体传感器温度补偿，数值仿真结果表明采用该算法可将补偿结果的相对误差控制在6%范围内。

大数据-算法-解优化问题的混合粒子群算法.pdf

针对DV-Hop定位算法利用跳数乘以平均跳距来估算距离并采用极大似然估计法定位而导致误差较大的问题，提出一种最优跳距和改进粒子群的DV-Hop算法即OPDV-Hop。该算法利用节点的通信半径对锚节点间跳数进行修正；根据未知节点邻近区域的平均跳距来优化当前跳距；用改进的粒子群算法来优化未知节点坐标。仿真结果表明，相比DV-Hop算法、基于粒子群的DV-Hop算法以及基于改进粒子群的定位算法，OPDV-Hop算法的定位误差分别减小了18%、13%和7%左右，它能够有效地降低估算距离误差，提高定位精度。

【微电网优化】基于粒子群算法求解混合储能系统容量优化问题含Matlab源码

matlab代码粒子群算法粒子群优化 这是用Matlab编写的基本PSO算法。 该代码是矢量化的，可以选择使用并行计算工具箱。 包括演示和示例。 这是学习如何实现PSO算法的一个很好的例子，适用于大规模非线性系统参数估计的全局优化。 稍后将进行改进以提高收敛速度。

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！

基于改进粒子群算法的相机标定优化，陈甦欣，张晓峰，相机的标定精度直接决定了三维重构的效果.传统优化算法容易陷入局部最优，且误差大。为了提高相机标定的精度，将改进粒子群算法�