混沌粒子群算法的改进，多目标优化的例子，EI论文

线性权重粒子群算法

为了克服传统粒子群算法(PS田的早熟和局部最优问题,提出了一种新的自适应惯性权重的混沌粒子群算法(ACP-SO算法)。该算法采用分段Logistic混沌映射的方法产生初始种群,并根据种群的进化状态来动态调整惯性权重。在详细阐述算法的种群初始化过程和动态调整惯性权重的过程之后,对经典的测试函数分别采用几种改进的PSO算法和ACPSO算法对其进行了测试,与其他几种方法相比,ACPSO算法的全局搜索能力有了显著的提高,并且能有效地避免早熟收敛问题,同时也说明ACPSO算法应用的可行性和有效性。

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

粒子群算法

一个求解sphere函数的粒子群算法的应用例子

粒子群算法java源码

基于粒子群算法和遗传算法的PID参数优化程序，matlab源代码。内含matlab源代码源代码说参考论文。

针对标准粒子群算法进行多峰函数优化时存在的易陷入局部极值和搜寻效率低的问题，提出了子种群划分和自适应惯性权重改进方法来求解多峰函数。根据群体微粒的相似度将粒子群分成子群体，各子群体围绕一个有最佳适应值的群体中心进行建立，并通过几个经典函数进行求解。实验表明：改进的粒子群算法能快速有效地找到多峰函数的全局最佳值。