提出了一种新的混合基于种群的算法（PSOGSA），结合了粒子群优化（PSO）和引力搜索算法（GSA）。 主要思想是将 PSO 中的开发能力与 GSA 中的探索能力相结合，以综合两种算法的优势。 一些基准测试函数用于将混合算法与标准 PSO 和 GSA 算法在演化最佳解决方案中进行比较。 论文：A New Hybrid PSOGSA Algorithm for Function Optimization，IEEE International Conference on Computer and Information Application(ICCIA 2010)，中国，2010，pp.374-377，DOI： http ://dx.doi.org/10.1109/ICCIA .2010.6141614 我有很多这方面的相关课程。 您可以通过以下链接注册，享受 95% 的折扣： ***

粒子群优化方法 (PSO)，这是一种元启发式算法，模仿鱼类和鸟类等社会行为动物寻找食物。 代码是不言自明的。 有一篇论文提供了足够的背景信息来理解此代码。 《粒子群优化与差分进化算法：技术分析， 应用和杂交观点”，作者：Swagatam Das、Ajith Abraham 和 Amit Konar

% fodpso - 分数阶达尔文粒子群的 MatLab 函数% 优化 (FODPSO)。 % 仅限于九个变量的优化问题，但很容易% 被扩展为更多的变量。 % % xbest = fodpso(func) % xbest - 优化问题的解决方案。 列数% 取决于输入函数。 size(func,2)=xi 变量的数量% func - 包含数学表达式的字符串。 定义了变量% 为 xi。 例如， func='2*x1+3*x2' 表示这是一个优化问题% 两个变量。 % % [xbest,fit] = fodpso(func) % fit - 使用 xbest 解决方案返回 func 的优化值。 % % [xbest,fit] = fodpso(func,xmin) % xmin - xi 的最小值。 size(xmin,2)=xi 变量的数量。 默认% -100。 % % [xbest,fit]

Design of particle swarm optimization with random flying time

算法A Binary Particle Swarm Optimization Algorithm For Uncapacitated

Particle Swarm Optimization（粒子群算法原版论文）（James Kennedy and Russell Eberhart） 经典

Kennedy J, Eberhart R. Particle Swarm Optimization[C]. IEEE 论文