13种粒子群优化算法，包括协同，混合，局部，全局，繁殖等，对应的博客地址http://www.cnblogs.com/hxsyl/p/4521778.html

用PSO算法优化Schaffer's f6函数，该函数的全局最小值为y=0，而最优解为（0,0）。

各类改进粒子群算法，模拟退火，混合，随即权重，粒子群算法

最详细的PSO算法通过Java实现，附带详细注释 介绍地址：https://blog.csdn.net/HYL51740740/article/details/106105925 private static int M=200; //迭代次数 private static int numParticles=50; //粒子数 private static int dimension=3; //粒子维数 private static double[][] pBest = new double[numParticles][dimension]; //存储各粒子的历史最优位置信息 private static double[][] xPos = new double[numParticles][dimension]; //存储各粒子的当前位置信息 private static double[][] xVel = new double[numParticles][dimension]; //存储各粒子的速度信息 private static double[] gBest = new double[dimension]; //存储全局最优解对应的位置信息 private static double[] fitness = new double[numParticles]; //存储各粒子适应值

PSO粒子群算法优化神经网络，针对bp神经网络容易陷入局部极小，收敛速度慢的缺点，利用pso优化神经网络，提高了网络的泛化能力。

包含最基础的de差分进化算法，pso粒子群优化算法，以及fmincon（）等函数中最常用的内点法

PSO粒子群优化算法及改进型的原理、文献、matlab代码程序。里面有原始的代码，改进的代码，各种文献主要是量子粒子群算法，还要粒子群各种算法的参数优化文献。

本课题是在BP神经网络温度预测的基础上进行优化，加入PSO算法，结果中R^2、MSE等参量明显比BP神经网络单独预测效果好的许多。

CUDA平台加速粒子群优化算法（pso），自己实现，结构清晰，加速比可达到10倍左右，适合初学者，因为还有一定的优化空间。

13种粒子群优化算法，包括协同，混合，局部，全局，繁殖等，对应的博客地址http://www.cnblogs.com/hxsyl/p/4521778.html