具有基于 MOPSO 的自动加权选择的 H∞ 混合灵敏度控制器，可以使用有限的资源有效地使用以实现性能规格。

完整代码，可直接运行

Multi-Objective Particle Swarm Optimization (MOPSO)多目标的粒子群算法，包括完整的matlab程序以及实验结果。

ESN程式码回波状态网络体系结构的单目标和多目标粒子群优化 回声状态网络ESN是一种特定的递归网络，它为动态非线性问题提供了黑盒模型。 它们的体系结构以称为动态水库的随机循环隐藏基础结构为特色。 提出有效的储层结构主要取决于选择正确的参数，包括神经元的数量和其中的连接率。 尽管有专门知识和反复测试，但很难预先确定最佳的储层拓扑。 拓扑演化可以提供一种潜在的方式来根据要建模的问题定义合适的储层。 该最后可以是单约束或多约束的。 在整个代码中，单目标以及多目标粒子群优化都应用于ESN，以提供一组最佳的油藏架构。 网络的准确性和复杂性都被认为是在演进过程中要优化的目标。 MOPSO颗粒 群中的每个粒子都由容器大小（神经元数），容器连接速率（非零连接权重的速率），输入连接速率和反馈连接速率组成。 要最小化的目标： （*）单目标PSO：精度（所需和网络输出之间的误差）。 （*）双目标PSO：精确的储层连通率。 （*）三目标PSO：精度+储层连通率+储层大小。 入门 所实现的代码旨在用于ESN结构的单目标，双目标和三目标PSO优化。 使用Matlab运行脚本：main.m。 脚本main.m包括：

使用matlab编码，分为多个.m文件编写，包括支配关系选择，全局领导者选择，删除多于的非劣解，创建栅格，标准测试函数ZDT。

matlab多目标粒子群算法实例，通过实际的例子展现算法过程。

MATLAB多目标粒子群算法

MOPSO代码实现,mopso算法,matlab源码.zip

mopso源代码，适合初学者学习，内含测试函数，可按照需求修改

1.0版本pso部分 最近做大创开始学习遗传算法，粒子群算法等，在大佬的走向下，开始写点博客，因为是第一次写，而且自己学的也不好（捏个是重点），就当写给自己看啦。粒子群算法跟遗传算法一样，都是从自然界的自然现象得到启发，而被大牛创造出来的，在一代代的改进中逐步趋于完善，也慢慢作用于越来越多的领域中。粒子群算法称为是从鸟群寻食中得到的启发，一群鸟在一个不知道食物分布的地方觅食，它们会渐渐集中到食物最多的地方去，当然，如果地方太大的话，也可能会出现多个集中鸟比较多的地方。这里头有几个官方术语 个人理解就是一个较优解集支配一个次优解集 Pareto最佳就是在最理想条件下，我们获得了自己的最想要的结果，但是很遗憾，因为现实问题的影响因素太多，所以我们经常重叠局部最优，或者得到一堆 较优解。于是： 根据我们计算得到的最优解集，我们可以计算出理想的最终优化结果，就像如果发电的模型的话，我们可以得到我