matlab代码粒子群算法自适应CLPSO Matlab代码用于宏观自适应综合学习粒子群优化器（MaPSO）和微观自适应综合学习粒子群优化器（MiPSO）算法。 抽象的 优化启发式算法（如粒子群优化器（PSO））的广泛使用对参数自适应提出了巨大挑战。 PSO的一种变体是综合学习粒子群优化器（CLPSO），它使用所有个人的最佳信息来更新其速度。 CLPSO的新颖策略使种群能够从特定世代的样本中进行读取，这称为刷新间隙m。 在本文中，我们开发了两类学习自动机（LA），以研究自动机对CLPSO刷新间隙调整的学习能力。 在第一类中，将学习自动机分配给总体，在第二类中，每个粒子都有自己的个人自动机。 我们还将所提出的算法与CLPSO和CPSO-H算法进行了比较。 仿真结果表明，我们的算法在性能，鲁棒性和收敛速度方面均优于同类算法。 参考 [1] Mohammad Hasanzadeh，Mohammad Reza Meybodi和Mohammad Mehdi Ebadzadeh，“，”在人工智能和信号处理中，Springer国际出版，2014年，第267-276页。

基于遗传算法的供应链多级库存优化控制，校梦琪，周晓光，在现代化物流业发展中，库存管理依然很重要。区别于主要致力于研究经济批量订货的模型，随着科技的发展，库存问题可以依托于新型

【老生谈算法】车间作业调度问题(JSP)的遗传算法通用MATLAB源代码.docx

通过将粒子群算法也支持向量机结合，使用支持粒子群算法优化支持向量机参数，并训练支持向量机

MATLAB遗传算法工具箱（gatbx），谢菲尔德大学（The University of Sheffield）

【图像融合】基于遗传算法的自适应多聚焦图像融合含Matlab源码

matlab实现粒子群算法（PSO） 极值优化的程序代码 matlab实现粒子群算法（PSO） 极值优化的程序代码

GA-MDVRP 多站点车辆路径问题的遗传算法

本文使用matlab编写了两种粒子群算法程序，方案1是使用自适应权重的粒子群方案，方案2是使用随机权重的粒子群方案，使用两种不同

模拟电路的元件参数很多，而且设计时需要兼顾多个性能要求，导致计算调整困难。针对此问题，提出一种以遗传算法为基础的参数自动设计方法。首先，以性能达标程度的加权和作为适应度评价函数，为不同结构、不同性能要求的模拟电路建立了形式较为统一的数学评价模型；其次，采用子代竞争择优、精英超突变等策略改进遗传算法，提高了算法的收敛速度和局部搜索能力，并对遗传算法求出的元件参数做了可行化处理，使其满足实际制作的需要；最后，利用该方法设计制作中心频率为115 MHz的电压控制振荡器，验证方法有效性。