调度程序，初学调度的本科毕业生，和研究生可以参考下，基本的粒子群算法可以学习，而且给出各个机组的出力情况，初学者还是相当的不错的

粒子群优化算法（matlab编写，共十三种）

提出一种基于捕食逃逸鸽群优化(pigeon-inspired optimization,PIO)的无人机(unmanned aerial vehicle,UAV)紧密编队协同控制方法.基于人工势场法设计了外环控制器,将无人机紧密编队转化成一种抽象的人造势场中的运动;基于鸽群优化算法设计了内环控制器,进行控制量的优化求解.在遵循鸽群优化基本思想的基础上,对其结构进行调整,并针对基本鸽群优化易陷入局部最优的问题,引入了捕食逃逸机制来改善鸽群优化总体性能.最后,将本文所提出的改进鸽群优化算法与基本鸽群优化算法、粒子群优化(particle swarm optimization,PSO)算法进行了系列对比实验,实验结果验证了文中所提方法的可行性、有效性和优越性.

针对车辆低速倒车这一运动过程，建立了车辆数学模型。根据分析车辆数学 模型，得到能够满足多数情况下的泊车路径。由于自动泊车过程可分解为寻找最 佳泊车位置及从最佳泊车位置倒入停车位两个过程，针对这两个过程，分析了无 障碍式及有障碍式的泊车路径。针对有障碍式泊车路径中的寻找最佳泊车位这一 过程通过对群智能算法的比较，运用粒子群算法对其进行了路径规划。通过分析 模糊控制相关知识，针对从最佳泊车位置到停车位这一泊车过程，建立一种模糊 控制方法，通过 MATLAB 仿真实现了其泊车过程

编写的标准粒子群优化算法，可应用于各个领域。应用于电力系统较为成功。

Matlab粒子群优化算法PSO应用于神经网络优化程序-abbr_056a6fdec6fd396d3e380f52e7ae7fa7.rar 粒子群优化算法（PSO）应用于神经网络优化程序。分为无隐含层、一隐含层、二隐含层。运行DemoTrainPSO.m即可

 与传统多光谱遥感图像相比, 高光谱图像是在一定波段范围内窄波段成像的, 提供了丰富的光谱信息, 拓展了遥感技术的应用范围, 但同时存在数据含量大、波段间相关性高等问题, 在进行处理时需要对高光谱图像进行降维。通过分析现有高光谱波段选择方法, 本文提出了一种基于信息论准则的高光谱波段选择方法, 结合波段信息熵与波段间的相关性, 采用粒子群优化算法(PSO) 进行波段优选, 克服了采用单一使用信息量为适应度的片面性。最后使用AVIRIS 图像对提出的算法进行试验, 并利用支持向量机分类方法进行分类验证, 总体分类精度达到91.0%。

为了提高基于群体智能的粗糙集最小属性约简算法的求解质量和计算效率,提出一个结合长期记忆禁忌搜索方法的粒子群并行子群优化算法.并行的各子群不仅具有禁忌约束,而且包含多样性和增强性策略.由于并行的子群共同陷入局部最优的概率小于一个粒子群陷入局部最优的概率,该算法可提高获得全局最优的可能性,并减少受初始粒子群体的影响.多个UC I数据集的实验计算表明,提出的算法相对于其他的属性约简算法具有更高的概率搜索到最小粗糙集约简.因此所提出的算法用于求解最小属性约简问题是可行和较为有效的.

用粒子群优化算法求解函数最大值和最小值问题，稍微更改一下即可求任意函数最值 用粒子群优化算法求解函数最大值和最小值问题，稍微更改一下即可求任意函数最值