PSO粒子群算法的寻优算法-非线性函数极值寻优+matlab源代码.zip

【布局优化】基于粒子群算法求解传感器覆盖问题matlab源码含 GUI.zip

matlab代码粒子群算法风轮叶片设计 简历 姓名：Prasannajit Dash先生出生日期：1973年1月11日性别：男性来往地址：S / o – Er。 Purna Chandra Dash地块590-C-3，Kabita Nivas，马哈塔布路，Dolmundai，Cuttack，奥里萨邦电子邮件：Pin – 753001，Orissa。 细胞-：07873555902/7978210970/8144002358博士号（+91）-671-2331177（Res。）学术记录 学位大学通过年的计算机科学博士学位（续）北奥里萨邦大学，巴里帕达，奥里萨邦（续）。 从2015年M.Tech（IT）英格学院开始。 和技术（CET），奥里萨邦Bhuabaneswar，2011年（CSE）Utkal大学，奥里萨邦Bhuabneswar，1994年 教学与行政经验 在ORISSA ENGG有8年以上的教学经验。 大学，布巴内斯瓦尔。 曾在Orissa Engg担任助理教授（IT）。 大学，布巴内斯瓦尔。 自2017年3月起在加尔各答的OAASA Technologies研发部门担任顾问。 过去

完整代码，可直接运行

视频讲解了什么是粒子群算法 使用matlab 进行了粒子群算法的实现 详细的代码注释

基于Nelder-Mead单纯形法的改进量子行为粒子群算法.pdf

优化粒子群算法程序C语言实现，写在文档中。修改适应度函数后可运行。

使用matlab语言编程的粒子群算法对含分布式电源的配电网进行多目标优化

主要介绍了Python编程实现粒子群算法(PSO)详解，涉及粒子群算法的原理，过程，以及实现代码示例，具有一定参考价值，需要的朋友可以了解下。

针对已有神经网络功放建模的建模精度不高,易陷入局部极值等问题,提出一种新的改进并行粒子群算法(Improved Parallel Particle Swarm Optimization,IPPSO)。该算法在并行粒子群算法的基础上引入自适应变异操作,防止陷入局部最优;在微粒的速度项中加入整体微粒群的全局最优位置,动态调节学习因子与线性递减惯性权重,加快微粒收敛。将该改进算法用于优化RBF神经网络参数,并用优化的网络对非线性功放进行建模仿真。结果表明,该算法能有效减小建模误差,且均方根误差提高19.08%,进一步提高了神经网络功放建模精度。