matlab代码粒子群算法 相关向量机（RVM） 使用“ SB2_Release_200工具箱”的基于关联向量机（RVM）的回归应用程序的MATLAB代码。 版本2.0，2020年4月28日 电子邮件： 主要特点 易于使用的API，用于训练和测试RVM模型 多种内核功能 混合内核功能 使用粒子群优化（PSO）和遗传算法（GA）进行参数优化 告示 混合内核函数：K = w1 K1 + w2 K2 + ... + wn * Kn 参数优化：有关详细信息，请参阅有关“ particleswarm”和“ ga”的文档。 设置优化算法的参数，以避免模型过度拟合或拟合不足。 更多详细信息，请参见：

matlab代码粒子群算法粒子群选择 ParticleSwarmOpt是使用微粒群优化算法（由）开发的优化工具。 不需要工具箱。 将路径添加到您的Matlab，然后就可以使用它了。 该代码无法执行离散搜索，也不支持多目标优化。 对于文本功能，请检查此网站： 执照 麻省理工学院

摘要：本文提出了一种混合的元启发式方法HDCPSO 用于求解置换流水车间调度问题中的最小化完成时间.该算法将粒子群算法和迭代贪心算法( Iterative Greedy, IG) 相结合, 利用IG 算法中的作业毁坏( Destruction) 和构造( Construction) 操作来对粒子进行变异, 降低群体发生早熟的可能. 引入了个体徘徊概念, 用来控制个体变异. 此外, 通过基于插入的邻域搜索来提高个体的局部搜索能力. 最后, 提出了群体的重新初始化机制来进一步避免早熟收敛的发生.本文算法在不同规模的问题实例上与其他几个具有代表性的算法进行了比较, 实验结果表明, 无论是在求解质量还是稳定性方面都优于其他算法.

该zip文件中包括了matlab实现的粒子群算法以及改进版本的粒子群算法的程序，所有文件程序都带有注释，欢迎大家下载学习。

0积分下载，代码运行效果图见压缩包

【预测模型】粒子群算法优化RBF进行预测【含Matlab源码 449期】.zip

粒子群算法优化支持向量机参数，文件中包含数据和结果图

本文主要介绍了近些年来新提出的用于函数优化的算法,粒子群算法。粒子群算法(Particle Swarm Optimization,PSO)是由Dr,Eberhart和Dr.Kenney与1995年提出的。 其基本思想源于对鸟群捕食行为的研究并受到启发而形成的一种基于群智能的随机优化技术。该算法有着个体数目少﹑计算简单﹑鲁棒性好等优点。算法的核心公式中所需要调整的参数不多。这种方法有比较好的收敛速度,是一种不错的优化工具。 本文提出了一种改进的PSO算法,具体信息在音乐论文www.xyclww.com/post/30.html在算法中重新定义最优粒子并且采用适应度定标缩放粒子适应度值来控制粒子选作最优粒子的概率。从仿真结果看出改进方法的优化精度比较好。 另外此改进发法还可以和其他改进方法混合使用,可以得到不错的效果。本文还提出了用粒子群算法求解迷宫问题,实现了问题到算法的建模,并对一些迷宫特点提出了改进方法。

我国城市轨道交通已进入快速发展期,准确预测城轨交通短时客流量,对于城轨运营安全、运营效率及运营成本具有重要意义.城轨交通短时客流量由于具有强随机性、周期性、相关性及非线性的特征,浅层模型的预测精度并不理想.对此,基于深度信念网络(DBN)和支持向量回归机(SVM),提出城轨交通短时客流深层预测模型(DBN-P/GSVM),同时基于遗传算法(GA)和粒子群算法(PSO)实现SVM的参数寻优.最后,对成都地铁火车北站客流量预测进行实例分析.结果表明,DBN-P/GSVM深度预测模型在均方误差、均方根误差、绝对误差均值及绝对百分比误差均值等方面均优于浅层模型——GA-SVM模型、PSO-SVM模型和BP神经网络模型,以及深层模型长短期记忆网络(LSTM)与LSTM-Softmax.

多关节机械臂路径规划是一个高度受限的非线性优化问题，很难找到单一的优化解。提出一种基于单纯形算法和粒子群算法的混合算法，以解决机械臂的路径规划问题。仿真试验表明，相较于常规的A*算法，该混合算法具有更高的求解精度。