本算法为用遗传算法改进粒子群GA-PSO算法，附带含有程序使用说明。(This algorithm uses genetic algorithm to improve particle swarm optimization GA-PSO algorithm, with instructions for the use of the program.)

Jx-WFST：包装特征选择工具箱 -------------------------------------------------- -------------------------------------------------- -------------------------------------------------- ------------- * 该工具箱提供了 40 多种包装器特征选择方法 * 提供了如何在基准数据集上应用这些方法的示例 * 这个 Jx-WFST 工具箱的详细信息可以在https://github.com/JingweiToo/Wrapper-Feature-Selection-Toolbox找到

提出了一种新的混合基于种群的算法（PSOGSA），结合了粒子群优化（PSO）和引力搜索算法（GSA）。 主要思想是将 PSO 中的开发能力与 GSA 中的探索能力相结合，以综合两种算法的优势。 一些基准测试函数用于将混合算法与标准 PSO 和 GSA 算法在演化最佳解决方案中进行比较。 论文：A New Hybrid PSOGSA Algorithm for Function Optimization，IEEE International Conference on Computer and Information Application(ICCIA 2010)，中国，2010，pp.374-377，DOI： http ://dx.doi.org/10.1109/ICCIA .2010.6141614 我有很多这方面的相关课程。 您可以通过以下链接注册，享受 95% 的折扣： ***

基于支持向量机（SVM）的粒子群优化（pso）搜索matlab代码

食用方法可参考我写的博客：https://blog.csdn.net/weixin_43486940/article/details/118701303 本文主要介绍如何使用python搭建：一个基于：粒子群优化算法(PSO：Particle swarm optimization) 优化CNN网络，并实现文本的分类。 博主也参考过网上其他博主介绍：粒子群优化算法（PSO）的文章，但大多是理论大于方法。并且很少有用到优化CNN或其他网络的代码。很多同学肯定对原理不需要过多了解，只需要搭建出一个分类或预测系统即可。

PSO标准服务 SDDC - 网络虚拟化规划与研讨服务.pdf

资源包括：AFS模型、两相混合步进电机模型、PID控制初始参数求解、PID控制、模糊PID、基于PSO的PID控制、基于BAS的PID控制和基于BAO的PID控制的性能对比，压缩文件包括详细WORD说明文档、参考文献列表、README说明、M文件、MATLAB-Simulink模型

粒子群优化算法的原始MATLAB代码 实用性强，方便快捷

运行文件PSO,即可运行程序。程序给了相应中文解释。本文件提供4个相关的数据集，前缀为data为是数据，前缀为target为数据的标签。注：使用的是MATLAB2016a版本，采用MATLAB自带的SVM,若已安装林志仁SVM，则程序可能会运行失败，解决办法：MATLAB设置路径为默认路径，再次运行即可。

cec13 pso 标准测试函数 群智能优化算法标准测试函数集