本程序为粒子群算法在matlab中应用的程序,算法可计算三维函数,并在函数图像上显示最优值,分为七部分,简单易读

为解决电机在变负载运行条件下滚动轴承振动信号故障的特征提取困难、故障诊断准确率低的问题,提出一种基于变步长粒子群的变分模态分解与贝叶斯网络相结合的滚动轴承故障诊断模型。通过变步长粒子群算法优化的变分模态分解与Hilbert变换,提取故障信息并离散化处理,构建贝叶斯网络故障诊断模型,对滚动轴承故障发生概率推理,并利用完备、不完备数据集以及噪声试验验证该方法的准确性。仿真结果表明,该方法能高效提取特征信息,实现对不确定信息的推理估计,提高滚动轴承故障诊断的准确率,在滚动轴承的故障诊断预测中具有较好的理论与应用前景。

针对目前齿轮箱系统在利用神经网络故障诊断时存在正确识别率低和依靠经验选择参数的问题，提出了基于粒子群优化BP网络的齿轮箱故障诊断方法。简要介绍利用齿轮振动原理提取特征参数建立故障模型，该模型以齿轮箱特征向量为输入、故障类型为输出，详细分析了通过BP神经网络、概率神经网络和粒子群优化BP神经网络实现齿轮箱故障诊断。仿真结果表明，BP神经网络对齿轮箱故障诊断收敛速度慢，故障识别率为82%；概率神经网络的模型故障诊断识别率依据经验选取spread值决定，故障识别率最大为98%；粒子群优化后的BP神经网络故障诊断分类识别率为100%且自适应能力强。

标准的PSO代码 MATLAB直接运行。其中 main是主函数，点击运行即可

此资源是exe文件，非源码，采用的是改进粒子群+2OPT算法，100个点之内规模TSP保证在1秒内找到最优解，大规模的TSP问题也会计算出非常好的结果，如果你也在做TSP程序，这个工具可以让你知道你算的结果和最优解到底差多少

PSO-esn_粒子群_粒子群优化算法_回声状态_回声状态网络_回声

PSO-LSSVM_psolssvm_pso-LSSVM_PSO_lssvm_LSSVM预测

基于Python实现的粒子群算法，上传上来方便大家交流学习，算法实现了最基础的粒子群算法，并附带简单的注释，大家可以根据自己的需要进行修改。粒子群算法是群智能一种，是基于对鸟群觅食行为的研究和模拟而来的。假设在鸟群觅食范围，只在一个地方有食物，所有鸟儿看不到食物（不知道食物的具体位置），但是能闻到食物的味道（能知道食物距离自己位置）。最好的策略就是结合自己的经验在距离鸟群中距离食物最近的区域搜索。

PSO优化BP的算法代码

粒子群优化算法最早应用于非线性连续函数的优化和神经元网络的训练, 后来也被用于解决约束优化问题、多目标优化问题、动态优化问题等. 在数据分类、数据聚类、模式识别、电信QoS管理、生物系统建模、流程规划、信号处理、机器人控制、决策支持以及仿真和系统辨识等方面, 都表现出良好的应用前景. 国内也有越来越多的学者关注粒子群优化算法的应用, 将其应用于非线性规划、同步发电机辨识、车辆路径、约束布局优化、新产品组合投入、广告优化等问题. 4