基于Tent 映射的混沌混合粒子群优化算法

用于特征选择的粒子群优化 运行算法： 步骤 1：运行 PSO.m 文件 您可以使用您选择的数据集和 SVM 分类器替换数据集和 SVM 分类器。 如果您发现错误，请给我们发电子邮件。 Sadegh Salesi sadegh.salesi@my.ntu.ac.uk Georgina Cosma 博士 georgina.cosma@ntu.ac.uk 参考：S. Salesi 和 G. Cosma，“一种用于特征选择的新型扩展二进制布谷鸟搜索算法”，2017 年第二届知识工程与应用国际会议 (ICKEA)，伦敦，2017 年，第 6-12 页。 doi：10.1109/ICKEA.2017.8169893 网址： http : //ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8169893&isnumber=8169886

对基本的粒子群算法，采用matlab实现，并附有详细的解说，很不错的一个源程序代码.

Python中的群智能（遗传算法，粒子群优化，模拟退火，蚁群算法，免疫算法，Python中的人工鱼群算法） 文档： : 文档： : 源代码： : 帮助我们改善scikit-opt 安装 pip install scikit-opt 对于当前的开发人员版本： git clone git@github.com:guofei9987/scikit-opt.git cd scikit-opt pip install . 特征 功能1：UDF UDF （用户定义的函数）现在可用！ 例如，您刚刚制定了一种新型的selection功能。 现在，您的selection功能如下所示： ->演示代码： # step1: define your own operator: def selection_tournament ( algorithm , tourn_size ): Fi

收缩因子法 1999年，Clerc引入收缩因子以保证算法的收敛性。 速度更新公式为 其中，收缩因子K为受φ1 φ2 限制的w。φ1 φ2是需要预先设定的模型 参数 收缩因子法控制系统行为最终收敛，且可以有效搜索不同区域，该法 能得到较高质量的解。

算法介绍 设想这样一个场景：一群鸟在随机搜索食物，在这个区域里只有一块食物。所有的鸟都不知道食物在那里。但是他们知道当前的位置离食物还有多远。那么找到食物的最优策略是什么呢。最简单有效的就是搜寻目前离食物最近的鸟的周围区域。PSO从这种模型中得到启示并用于解决优化问题。PSO中，每个优化问题的解都是搜索空间中的一只鸟。我们称之为"粒子"。所有的粒子都有一个由被优化的函数决定的适应值(fitnessvalue)，每个粒子还有一个速度决定他们飞翔的方向和距离。然后粒子们就追随当前的最优粒子在解空间中搜索。

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

TSP use some algorithm to solve the TSP. Including Genetic Algorithm(GA),Particle Swarm Optimization(PSO),ant colony optimization(ACO). 利用遗传算法 粒子群算法 蚁群算法 求解旅行商问题 You can get more detail info from my blog. 我的博客中有代码的算法原理，链接如下。 url:

粒子群算法优化PID参数的研究 关键词（Tag）:粒子群 优化 PID

约束粒子群优化算法