提供一个自用的粒子群算法和例子，希望能有所帮助。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。 随着应用范围的扩大，PSO算法存在早熟收敛、维数灾难、易于陷入局部极值等问题需要解决，主要有以下几种发展方向。

matlab提取文件要素代码传递熵部分信息分解 针对单个试验的时间序列输入矩阵或包含与多个试验对应的多个矩阵的输入像元，计算传递熵的部分信息分解（PID）。 冗余部分信息项由Timme等人（2016年）描述的最小信息函数给出。 目录 依存关系 MATLAB R2019a：此处找到的所有函数均为.m文件。 调用了各种MATLAB内置函数。 用法 我们用时间序列/峰值训练来识别神经元。 要计算所有可能的神经元三元组的传递熵PID，请使用3个必填参数调用TE_PID.m ：输出文件名，矩阵或单元格以及正整数时延。 对于包含用于多个试验的多个矩阵的输入像元，输入像元必须为一维。 每个矩阵或单元格列应包含单个神经元的整个时间序列，即，列应代表神经元，而行则代表递增时间的观察值。 （可选）提供要为其计算PID的神经元三重态索引的列表。 否则，将为所有可能的三元组计算PID。 （可选）提供正整数时间分辨率，以便对输入数据进行分时。 输出被写入一个单独的文件。 7列按升序表示： target_index ， source1_index ， source2_index ， synergy ，冗余， un

自适应广义预测控制算法MATLAB程序，控制对象为时滞惯性环节，系统模型参数采用PSO算法进行在线辨识，再采用GPC算法进行控制。 程序中有普通GPC算法和PSO-GPC算法性能的仿真对比。

多回路控制结构可以提高经典闭环控制回路的固有干扰抑制能力：虽然经典闭环PID控制回路（内部回路）处理稳定性和设定点控制，但MIT规则的附加模型参考控制回路（外部回路）可以提高抗扰度控制性能，而不会降低最佳设定点控制性能。 可以通过选择参考模型作为PID控制回路的传递函数（具有可忽略的时间延迟）来实现这种不影响设定点控制性能的自适应干扰抑制功能

串行工序，多工序串行

工业温度控制系统具有非线性、时变性和滞后性等特性，严重影响温度控制的快速性和准确性，为了解决常规PID参数调节在温度控制中适应性差，调节效果不理想的问题，这里采用了模糊PID参数自整定控制方法，用模糊控制规则对PID参数进行修改，利用Matlab的Simulink仿真工具箱做了常规PID与模糊PID的仿真对比试验。仿真结果表明，模糊PID参数自整定控制效果在超调量和调节时间上都小于常规PID，提高系统快速性和准确性，改善了温度系统动态性能。

背包问题PSO（粒子群算法，Particle Swarm Optimization）基本算法代码，仅供参考

应用主动隔振原理对Duffing非线性振子设计了参数自调节的PID控制算法, 并用 M atlab
对Duffing
振子混沌振动进行主动隔振数值仿真实验, 实现了对混沌振动的良好隔振。仿真结果表明, 在混
沌振动中应用主动隔振技术是有效的。

step7的pid控制.pdf 介绍了关于step7的pid控制的详细说明，提供西门子PLC编程的技术资料的下载。

锁文件 通过pid文件处理锁定。 安装 或安装 。 对于Windows支持，需要Go 1.4或更高版本。 然后跑 go get github.com/nightlyone/lockfile 执照 麻省理工学院 文件资料 安装 go get github.com/nightlyone/lockfile 贡献 欢迎捐款。 请打开一个问题或向我发送要求专门分支的拉取请求。 确保git commit钩子显示它有效。 git commit钩子 通过启用启用挂钩 cd .git ; rm -rf hooks; ln -s ../git-hooks hooks ; cd ..