粒子群算法优化的粒子滤波，非常基础。程序可下载，不懂可以私信问我。希望能够帮助到大家，谢谢

非常好的入门资料

用MATLAB编写测试函数的五种PSO改进算法

各类改进粒子群算法，模拟退火，混合，随即权重，粒子群算法

Introduction 复现了一些TSP问题的相关算法，对TSP数据集st70.tsp进行了测试，并对此测试数据调整了参数，开箱即用。 Algorithms 动态规划(DP) 遗传算法(GA) 粒子群算法(PSO) 模拟退火算法(SA) 蚁群算法(ACO) 自适应神经网络(SOM) 禁忌搜索算法(TS) 指针网络(Pointer-network)[pytorch版本复现] Tips 遗传算法核心要素：父代集合的数量，选择两个父代个体的方式，交叉操作、变异操作 粒子群算法核心要素：个体当前最优与粒子群群体当前最优，生成新个体的时候与这两个最优解都会发生交叉 模拟退火算法核心要素：跳出最优解的概率必须是会随着时间变化，降温速度，初始温度，最终温度，随机解的生成方式，随季解数量 蚁群算法核心要素：不同城市之间的概率转移矩阵不断变化（受信息素的影响），参数繁多 自适应神经网络核心

代码采用C++编制；注释丰富；带有测试函数；编译运行通过 修改优化模型即可直接用来优化你所需求解问题 本人在弹道优化方面已测试成功

这是一个简单的C++模拟粒子群PSO算法的例程； 粒子群优化算法（Partical Swarm Optimization PSO），粒子群中的每一个粒子都代表一个问题的可能解， 通过粒子个体的简单行为，群体内的信息交互实现问题求解的智能性。由于PSO操作简单、收敛速度快，因 此在函数优化、 图像处理、大地测量等众多领域都得到了广泛的应用。 首先，在程序中选择粒子数，并且选择函数，程序计算得到其结果最小值时的自变量位置。

粒子群（PSO）优化的极限学学习机（ELM），用粒子群优化算法优化的极限学习机，可用于数据的回归和分类，实测比单纯的极限学习机精度高的多。

该算法用matlab工具实现粒子群（鸟群）算法收敛的动态过程

将otsu图像分割算法与粒子群优化算法结合，加快最佳阈值的寻找