针对基本粒子群优化(basic particle swarm optimization,简称bPSO)算法容易陷入局部极值、进化后期 的收敛速度慢和精度低等缺点,采用简化粒子群优化方程和添加极值扰动算子两种策略加以改进,提出了简化 粒子群优化(simple particle swarm optimization,简称sPSO)算法、带极值扰动粒子群优化(extremum disturbed particle swarm optimization,简称tPSO)算法和基于二者的带极值扰动的简化粒子群优化(extremum disturbed and simple particle swarm optimization,简称tsPSO)算法.sPSO 去掉了PSO 进化方程的粒子速度项而使原来的二阶微 分方程简化为一阶微分方程,仅由粒子位置控制进化过程,避免了由粒子速度项引起的粒子发散而导致后期收 敛变慢和精度低问题.tPSO 增加极值扰动算子可以加快粒子跳出局部极值点而继续优化.对几个经典测试函数 进行实验的结果表明,sPSO 能够极大地提高收敛速度和精度;tPSO 能够有效摆脱局部极值点;以上两种策略相 结合,tsPSO 以更小的种群数和进化世代数获得了非常好的优化效果,从而使得PSO 算法更加实用化.

利用极限学习机和粒子群优化算法同时对WNN优化，然后对有效停车泊位进行预测，仿真表明在提高预测精度的同时，有效的减少了预测所需时间。

基于粒子群优化算法的无线传感器网络节能覆盖研究_张娟 目前已经有很多学者对无线传感器网络的各个层面进行了深入研究,并取得了一些 成果。使用比较广泛的是通过降低网络能耗来延长网络的生存时间,釆用的优化策略大 致分为以下4类:节点睡眠调度机制、调整感应半径、选择最佳路由和高效的数据融合 机制。本文主要通过对感知半径的调整以及节点睡眠调度机制,基于粒子群及其改进算 法,研究无线传感器网络生命周期最大化问题。主要研究内容和成果如下:

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

用MATLAB实现的粒子群优化算法,包括代码的含义和实现步骤

详细、透彻介绍粒子群算法比较好的PPT课件，适合初学者透彻理解粒子群算法的概念、原理和流程

利用粒子群算法对非线性函数极值进行求解寻优的matlab程序代码

用粒子群优化算法求解函数最大值和最小值问题，稍微更改一下即可求任意函数最值

粒子群优化(Particle Swarm Optimization - PSO) 算法是近年来发展起来的一种新的进化算法( Evolutionary Algorithm - EA) .PSO 算法属于进化算法的一种,和遗传算法相似,它也是从随机解出发,通过迭代寻找最优解,它也是通过适应度来评价解的品质. 但是它比遗传算法规则更为简单,它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作. 它通过追随当前搜索到的最优值来寻找全局最优 。

详解粒子群PSO算法，分析优缺点，以案例应用为基础分析，可以借鉴