针对DV-Hop定位算法利用跳数乘以平均跳距来估算距离并采用极大似然估计法定位而导致误差较大的问题，提出一种最优跳距和改进粒子群的DV-Hop算法即OPDV-Hop。该算法利用节点的通信半径对锚节点间跳数进行修正；根据未知节点邻近区域的平均跳距来优化当前跳距；用改进的粒子群算法来优化未知节点坐标。仿真结果表明，相比DV-Hop算法、基于粒子群的DV-Hop算法以及基于改进粒子群的定位算法，OPDV-Hop算法的定位误差分别减小了18%、13%和7%左右，它能够有效地降低估算距离误差，提高定位精度。

基于改进粒子群算法的相机标定优化，陈甦欣，张晓峰，相机的标定精度直接决定了三维重构的效果.传统优化算法容易陷入局部最优，且误差大。为了提高相机标定的精度，将改进粒子群算法�

将改进粒子群优化算法应用于三维空间路径规划。首先给出三维空间建模方法，其次通过在迭代过程中对算法惯性系数[w]分段设置和对粒子位置进行随机扰动的方式来改进粒子群优化算法，然后对路径陷入障碍物的处理方式进行改进，最后给出了基于改进粒子群优化算法的三维空间路径规划的算法流程。仿真结果表明：改进方式能有效提高粒子群优化算法应用于三维空间路径规划的计算效率和可靠性，合理设置路径节点能有效节约计算资源。

【优化调度】改进粒子群算法求解微电网优化调度问题matlab源码

电力系统经济调度问题是电力系统中的一个重要的研究课题,针对该问题,提出一种改进粒子群优化(ODPSO)算法.改进算法在搜索前期,采用广义的反向学习策略,使算法能够快速地靠近较优的搜索区域,从而提高收敛速度;在搜索后期,借鉴差分进化算法的进化机制设计改进的变异和交叉策略,对当前种群的最优粒子进行更新,从而提高种群的多样性,进而协助算法获得全局最优解.为了验证改进粒子群优化算法的有效性,对CEC2006提出的22个基准约束测试函数进行仿真,结果表明改进算法相比其他算法在寻优精度和稳定性上更具优势.最后,将改进算法应用于考虑机组爬坡速率约束、机组禁行区域约束以及电力平衡约束的两个电力系统经济调度问题,取得了令人满意的结果.

本算法为用遗传算法改进粒子群GA-PSO算法，附带含有程序使用说明。(This algorithm uses genetic algorithm to improve particle swarm optimization GA-PSO algorithm, with instructions for the use of the program.)

旅游客流量受多种因素影响，传统的时间序列预测模型无法描述预测对象的规律，人工智能方法如BP神经网络，其结构的选择过多依赖经验，基于此提出了利用改进的粒子群算法优化BP神经网络，通过惯性因子的非线性递减来改善粒子群的寻优性能。将该预测模型应用于自贡灯会的客流量进行实际预测分析，通过对150组训练样本和50组测试样本的实验仿真，可知改进后的方法提高了预测结果的准确度，并且涉及参数少、简单有效。

摘要：内核极限学习机（KELM）通过将低维空间中的线性不可分离数据转换为线性可分离的数据，从而增强了ExtremeLearning Machine（ELM）的鲁棒性。 然而，ELM的内部功率参数是随机初始化的，导致算法不稳定。本文采用主动算子粒子游动优化算法（APSO）来获得KELM的最优初始参数集，从而创建了一个最优的KELM分类器名为APSO-KELM。 在标准遗传数据集上进行的实验表明，与现有的ELM，KELM相比，APSO-KELM具有更高的分类准确性，并且这些算法将PSO / APSO与ELM / KELM相结合，例如PSO-KELM，APSO-ELM，PSO-ELM等。 ， APSO-KELM具有良好的稳定性和收敛性，被证明是一种可靠有效的分类算法。

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。

在多峰值函数优化中,基本粒子群算法进化后期收敛速度较慢，对粒子群算法进行了改进