针对目前城市场景下车载自组织网络中的 RSU 部署问题，提出了一种基于连接时长的 RSU 部署方案。该方案在RSU数量受限的情况下，以保证通信连接时长为前提，以最大化服务车辆数目为目的，将部署问题建模成最大覆盖问题，设计了二进制粒子群算法进行求解，并结合真实的北京市路网地图和出租车 GPS数据进行仿真实验。仿真结果表明，该算法是收敛、稳定及可行的，相比贪心算法，该算法求得的部署方案能为更多的车辆提供持续性的网络服务。

基于二进制粒子群算法的配电网故障区间定位，周睿，蔡中勤，针对配电网中FTU上传的故障信息可能有畸变的问题，本文提出将二进制粒子群算法应用于配电网故障区间定位问题，以期一方面解决故障

为快速获取网络点韧性度以衡量其抗毁性性能，设计基于改进二进制粒子群（BPSO）算法的点韧性度计算方法。改进BPSO算法的概率映射函数和位置更新式以解决算法容易陷入局部最优的不足，对网络节点状态进行编码以获取种群粒子，并设计基于广度优先搜索思想的方法求解剩余网络的适应度函数值；最后综合改进BPSO算法和适应度函数求解算法设计点韧性度计算方法。在两种基本网络和两种实际网络中的仿真分析验证了方法的有效性。

粒子群优化 (PSO) 是一种现代启发式算法，可应用于连续和离散优化问题。 原始的二元粒子群算法（BPSO）有一些缺点，使得算法不能很好地收敛。 为了解决这些缺点，引入了新的 BPSO（NBPSO）。 休耕论文中提供的结果显示了 NBPSO 的优越性。 [1]。 M.Rostami Shahrbabak 和 H.Nezamabadi-pour，“二元 PSO 算法的新方法”第 14 届伊朗电气工程会议，2006 年 5 月。 [2]。 H.Nezamabadi-pour、M.Rostami Shahrbabaki 和 M.Maghfoori Farsangi “二元粒子群优化：挑战和新解决方案"CSI Journal on Computer Science and Engineering Vol. 6, No. 1 (a), 2008.

粒子群算法（Particle Swarm Optimization，PSO）主要用优化计算实值的连续性问题，而离散二进制粒子群算法（Binary Particle Swarm Optimization，BPSO）则用来优化离散空间问题，它扩展了PSO算法的应用，现已广泛应用到各种离散优化问题计算中，但目前对BPSO算法的理论分析研究还很少，难以指导算法性能。本文从位改变概率和遗传算法的模式定理两方面对BPSO进行分析。分析得出，BPSO算法具有很强全局搜索能力，但不能收敛于粒子的全局最优位置，而且随着算法

针对解形式为二进制编码形式的问题的粒子群优化算法matlab源码

%------初始化种群的个体------------%------先计算各个粒子的适应度，并初始化Pi和Pg----------------------