PSO SVM粒子算法优化的支持向量机,pso粒子群优化算法,matlab源码

【Matlab源码】模糊控制器的粒子群优化算法

针对带交货期的柔性作业车间调度问题(flexible job shop scheduling problem,FJSP),提出一种离散猫群优化算法(discrete cat swarm optimization,DCSO),以优化工件最大完工时间和平均提前/拖期时间.首先,设计一种两段式离散编码方式,用于表示调度解,并采用启发式算法实现种群初始化;其次,为了使算法能够直接在离散调度空间内运行,在搜寻模式下设计基于3种不同邻域结构的搜寻方法,并在跟踪模式下提出一种新型离散个体更新公式;再次,采用线性自适应猫群行为模式选择策略,协调算法全局搜索和局部搜索的能力;最后,为了进一步改善计算结果,在算法中嵌入一种局部搜索策略.通过基准算例测试DCSO算法的性能,仿真结果表明所提DCSO算法在求解FJSP问题方面的有效性.

进化算法作为一类新的优化搜索方法，广泛应用于各种优化问题。现对简单遗传算法进行了改进，采用实值编码，并与模拟退火算法及基于适值排序和随机选择的方法相结合，形成了改进遗传算法。同时还介绍了一种新的进化算法一粒子群优化算法。将这两种优化算法应用于函数优化。并对优化结果进行了对比分析。比较结果表明，改进遗传算法和粒子群优化算法都可以在函数优化方面表现出较好的健壮性。但在找寻最优解的效率上，粒子群优化算法较好。

首先分析粮食仓库选址的原则和影响因素等，研究建立了粮库选址模型；进而考虑带障碍约束条件，采用量子粒子群优化的空间聚类分析方法，解决了粮库选址问题；最后，以河南省粮库选址为实例进行了模型验证。实验表明，使用量子粒子群优化方法提高了粮库选址的科学性，为科学合理地进行粮库建设与布局提供了决策依据。

基于遗传算法和粒子群优化算法的信道分配研究，文中介绍遗传算法和粒子群算法各自的优缺点，并进行结合算法进行信道分配

提出一种利用粒子群优化算法进行在线寻优的自适应控制算法, 该方法可抑制极限环的振荡幅值. 应用极
值搜索控制的思想, 在线测量极限环的振荡幅度, 并将其作为优化目标, 利用粒子群优化算法寻找最优控制量, 使得
极限环的振荡幅值最小. 针对粒子群优化和极限环控制的特点, 提出一种加快收敛的算法. 数值实验表明, 提出的算
法不仅与传统基于摄动方法的极值搜索控制性能相当, 而且可对非凸和不光滑目标函数进行在线寻优, 鲁棒性更强.

构建容量受限的旅行商问题模型，加入容量约束，采用蚁群算法优化，matlab实现！

为了实现微型足球机器人的平滑最优路径规划，提出了一种结合Ferguson样条路径描述和改进粒子群优化算法的路径规划方法。利用Ferguson样条描述移动机器人路径，将路径规划问题转化为三次样条曲线的参数优化问题，借助改进的具有速度变异的粒子群算法进行路径优化。仿真实验表明，算法可以有效进行障碍环境下机器人的无碰撞路径规划，改进的粒子群算法进行路径优化迭代80次左右即可收敛，规划路径平滑、合理，有一定的实用价值。

为了提高传感器节点部署覆盖率，针对目前网络覆盖存在覆盖死角、节点冗余及不能再度优化的问题，在检测区域已知的情况下，提出基于萤火虫群优化(GSO)算法的传感器节点部署方案，并对原方案进行改进。该算法中，传感器节点等同于萤火虫，覆盖信号强度即是荧光素浓度，首先对节点进行随意初始部署，然后通过计算移动概率的大小，判断节点移动方向，最终完成节点部署。实验仿真表明，该部署方法适用于大量传感器节点部署，覆盖面积广，灵活性强。