MATLAB源程序26 粒子群算法的寻优算法-非线性函数极值寻优.zip

MATLAB实现PSO-GRU粒子群优化门控循环单元多输入回归预测（完整源码和数据） 数据为多输入回归数据，输入7个特征，输出1个变量。 运行环境MATLAB2020b及以上。

程序中含有pso和aco两种算法，可以实现粒子群优化算法和蚁群优化算法优越性的比较。

以前的标题是“另一个粒子群工具箱” 介绍粒子群优化 (PSO) 是一种无导数的全局最优解算器。 它的灵感来自大群简单动物令人惊讶的有组织的行为，例如成群的鸟、鱼群或成群的蝗虫。 该算法中的个体生物或“粒子”是原始的，只知道四件简单的事情：1 & 2）它们自己在搜索空间中的当前位置和适应度值，3）它们以前的个人最佳位置，以及 4）整体“群”中所有粒子找到的最佳位置。 无需计算梯度或 Hessians。 每个粒子根据这些信息不断调整其在搜索空间中的速度和轨迹，在每次迭代中更接近全局最优。 正如在自然界中看到的那样，尽管其单个粒子很简单，但这个计算群显示出非凡的连贯性和协调性。 使用方便如果您已经在使用 MATLAB 全局优化工具箱中包含的遗传算法 (GA)，那么这个 PSO 工具箱将为您节省大量时间。 可以使用与 GA 相同的语法从 MATLAB 命令行调用它，并带有一些特定于 PSO

Unity 2017粒子系统升级到2018新粒子系统 一键升级

【Matlab源码】基于粒子群算法优化微电网能量管理Matlab仿真模型

matlab图片叠加的代码PIV文档 在Stramer实验室（英国伦敦国王学院）开发的粒子图像测速（PIV）软件包。 请检查更多详细信息（）。 已在MATLAB v2018B上测试。 需要“曲线拟合工具箱”。 此PIV代码没有图形用户界面（GUI），应在MATLAB中作为脚本运行（打开.m文件，然后单击“运行”）。 如下使用。 请参阅以获取更多参考。 1.图像预处理 应当对要分析的生物样品的分段堆栈进行如下预处理： 在ImageJ中打开堆栈 分离通道（例如，绿色-肌动蛋白，品红色-原子核） 将包含要通过PIV测量的实体（例如，绿色-肌动蛋白）的通道保存为[cb＃_m.tif] ，其中cb代表单元体，＃是一个渐进整数，m代表移动 将包含用于跟踪的实体（例如，洋红色-核）的通道另存为[n＃_m.tif] 如果使用细胞，请从要通过PIV测量的实体中分离出细胞体（例如，绿色-肌动蛋白），并将该单通道堆栈保存为[no_cb＃_m.tif] （无细胞体）。 这对于[eroded_heatmap.m]脚本是必需的（请参见下文）。 将[cb＃_m.tif] ， [n＃_m.tif]和[no_cb＃_m

【配电网重构】基于粒子群算法实现配电网重构含Matlab源码

烟花爆炸的粒子效果app

MATLAB编程，基于粒子群pso的复杂方程组求解，总共五个复杂多元方程，代码里面有详细的注释，表明了最大迭代次数，种群个数，学习因子，权重因子，种群位置，种群速度，个体最优值，全局最优值，代码具有通用，可以更换方程组，有可以更改为目标寻优，代码可以自动导出迭代优化曲线