其中关于PSO部分的书写，已经进行了封装，可以进行通用，用于其他模型的优化。该资源实例主要用于优化支持向量机回归算法中的惩罚参数C、损失函数epsilon、核系数gamma进行调参

建立了双端基于电压源型换流器的高压直流输电(VSC-HVDC)系统的小信号模型；利用特征根分析法，基于线性化状态空间模型，将与系统特征根直接相关的振荡模式和衰减模式的罚函数作为目标函数；提出了基于粒子群优化算法的VSC-HVDC系统的控制参数优化策略，对整个系统的控制参数同时进行整体优化。仿真结果验证了小信号模型的正确性；优化后的系统在小扰动、大扰动、潮流反转及故障情况下均具有较高的控制精度，整个系统的稳态与暂态特性均得到较大改善。

粒子群优化算法优化支持向量机

粒子群的定义、发展以及其应用，详细描述了粒子群算法的流程对初学者是一个极好的资料

带空间机械臂航天器系统在无外力矩作用时，系统相对于总质心的动量矩守恒而变为非完整系统，由于非完整约束的不可积性，非完整系统的运动规划与控制比一般系统要困难得多。针对这一问题，利用非完整特性研究自由漂浮空间机械臂的三维姿态运动规划问题，导出带空间机械臂的航天器三维姿态运动数学模型，并将系统的控制问题转化为无漂移系统的非完整运动规划问题。在运动规划中，引入Fourier基函数构成系统控制输入，对基函数的系数向量优化，提出一种应用粒子群优化的最优运动规划数值算法。数值仿真表明该方法对空间机械臂及航天器三维姿态运

用MATLAB编写测试函数的五种PSO改进算法

财务风险识别的研究具有十分重要的意义，针对当前财务风险识别方法存在误差大、效率低等弊端，以提高财务风险识别正确率为目标，提出了模式识别技术的财务风险识别方法。对当前各种财务风险识别方法进行分析，找到引起财务风险识别效果不理想的原因，引入模式识别技术中的在线极限学习机描述财务风险变化特点，并建立财务风险识别模型，采用具体实例与其他财务风险识别方法进行了对比实验。结果表明，文中方法减少了财务风险出现误识的概率，财务风险识别正确率得到了明显的改善，财务风险识别速度加快，具有较明显的优势。

针对传统的模糊C-均值聚类算法对初始聚类中心较敏感、易陷入局部最优的缺点,将粒子群优化算法和FCM算法相结合,提出一种改进的模糊聚类算法。该算法利用粒子群算法的全局搜索能力代替FCM算法寻找初始聚类中心,使其跳出局部最优,实现模糊聚类。主要从反映数据集分类的类内紧致性程度和类间分离性程度的角度考虑,重新设计适应度函数。实验结果表明,提出的算法在聚类正确率和有效性指标上有更好的效果。

结合电动汽车动力系统最优参数确定的粒子群优化算法。其中具体包括普通的粒子群优化算法以及改良版本粒子群优化算法，该实例为汽车动力链优化设计以及最优参数（六个优化变量）确定，其中调用了simulink模型。构建了电机模型，拉维娜式行星齿轮机构模型，电池模型等。

针对粒子群算法的早熟收敛问题，提出一种新的基于群体适应度变化率自适应变异的粒子群优化算法。该算法根据群体适应度变化率自适应调整惯性权重的取值，根据当前种群的平均粒距对种群中部分粒子进行变异操作。自适应调整与变异操作能增强算法跳出局部最优的能力，增大寻找全局最优的几率。对几种典型函数的测试结果表明，新算法的全局搜索能力有了明显的提高，有效避免了早熟收敛问题。