Matalbpso优化bp网络程序-PSO-bp.rar 利用pso优化bp网络

资源包括课件PPT以及相关的书中源码，实例中PSO\GA\SOA算法在PID中的应用，滑模控制，BP等

采用粒子群算法解决 二位路径规划（从起点出发 避开所有障碍物 并以最短路径到达终点）。从开源网站上更改的项目，值得一看

摘要：提出一种短期负荷预测算法，用于解决对未来能耗周期能源使用的预测问题。首先介绍短期负荷特点，分析短期负荷运行规律，并采用零相滤波器对原始负荷曲线进行预处理，相除奇异点。其次，介绍BP神经网络基本结构，并针对BP神经网络容易陷入局部极小值的缺点，采用PSO算法确定网络训练初始权值。然后，设计一种基于PSO-BP神经网络的短期负荷预测算法，包括预滤波、训练样本集建立、神经网络输入/输出模式设计、神经网络结构确定等。最后，选择上海市武宁科技园区的电科商务大厦进行负荷预测，实验结果表明，与传统的BP神经网络相比，PSO-BP神经网络用于短期负荷预测算法的精度更高，预测负荷和实际负荷之间的平均绝对误

伴随着现代物流的快速发展，冷链物流也得到快速发展。在冷链物流研究中配送路径优化问题对冷链物流的发展起到至关重要的作用，鉴于蚁群算法在路径优化问题中的成功应用，因此将蚁群算法应用到冷链物流配送路径优化问题中。考虑到蚁群算法运行中存在的问题，将遗传算法与粒子群算法引入到蚁群算法中，构成基于PSOGAACO算法的冷链物流配送路径优化算法。实验结果表明，这种构想是可行的，可以有效提高算法运行效率，缩短配送距离，提高经济效益。

多目标粒子群优化算法（PSO)的MATLAB程序，其中还以风电场为例进行算法的应用。该算法只需根据实际情况修改适应度函数即可。单目标见后续

带时间窗的车辆路径问题 带时间窗（VRPTW）的车辆路径问题的计算后勤。 求解技术，粒子群优化（PSO）算法和遗传算法（GA）在VRPTW中的应用比较回顾。 解决方案算法 解决方案技术算法基于并根据下面给出的相应参考文献进行。 该算法使用Python 3进行编码。 VRPTW的遗传算法： Ombuki，Beatrice，Brian J. Ross和Franklin Hanshar。 “带有时间窗的车辆路径问题的多目标遗传算法。” 应用智能24.1（2006）：17-30。 VRPTW的粒子群优化算法： 龚永杰，张静，刘澳，黄瑞珠，钟HS，史玉华。 使用时间窗优化车辆路径问题：离散粒子群优化方法。 IEEE关于系统，人与控制论的交易，C部分（应用和评论）。 2012年3月； 42（2）：254-67。 数据集：所罗门基准数据集 更新的文件： 对于每种算法和各自的指标，可以在以下文件

基于MGA-PSO的云计算多目标任务调度.pdf

煤矿瓦斯浓度的精准预测是矿井瓦斯防治的关键。为了准确可靠地预测工作面瓦斯浓度，提出了一种基于门控循环单元方法的工作面瓦斯浓度预测模型。采用邻近均值法对数据缺失值和异常值进行补全，采用MinMaxScaler方法对实验数据进行归一化处理，为了提高模型精度和稳定性，采用粒子群算法和Adam算法对GRU超参数进行优化，从而构建了基于PSO-Adam-GRU的工作面瓦斯浓度预测模型。以崔家沟煤矿生产监测数据为样本数据进行模型训练，采用平均绝对误差、均方根误差、运行时间3种评价指标对预测模型性能进行评估，并将预测结果与BPNN和LSTM进行对比。结果表明：PSO-Adam-GRU较BPNN和LSTM具有更高的精度和稳定性，在预测过程中MAE可降低到0.058，RMSE可降低到0.005.结果表明，基于PSO-Adam-GRU的瓦斯浓度预测模型和参数优选方法可有效预测出瓦斯浓度，该模型在瓦斯浓度时间序列预测方面具有更高的准确性和鲁棒性，可为矿井瓦斯治理提供一定指导意见。

matlab 粒子群算法优化神经网络预测 直接使用 可用于流量预测等