基于改进PSO算法与未改进的PSO算法间的仿真结果对比，此文件中包含两种算法模式，使用的是matlab软件。

完整代码，可直接运行

非常齐全的粒子群优化程序，在matlab软件中都可以使用，配有部分注释，方便初学者理解。

完整代码，可直接运行

完整代码，可直接运行

粒子群算法寻优，在限定条件下实现对群体变量的选择优化，以达到目标的最优值。

完整代码，可直接运行

粒子群优化算法的python实现

为了提高动态多种群粒子群(DMS-PSO) 算法的全局搜索能力, 将布谷鸟搜索算法(CS) 引入DMS-PSO 算法中, 提出DMS-PSO-CS 算法. 采用中位数聚类算法将整个种群动态划分为若干小种群, 各个小种群作为底层种群通过PSO 算法进行寻优, 再将每个小种群中的最优粒子作为高层种群的粒子通过CS 算法进行深度优化. 将所提出算法应用于CEC 2014 测试函数, 并与CS 算法和其他改进的PSO 算法进行比较. 实验结果表明, 所提出算法能够显著提高全局搜索能力和算法效率.

本代码会举一个简单的二维变量的非凸非凹的函数图形，在这个三维图形上，你能清晰的看到每一次迭代，粒子的更新方向，从而更加深刻的理解粒子群算法的magic，本文采用了两种PSO的变种，包含在一个代码中，以供学习参考用。