粒子群优化(Particle Swarm Optimization - PSO) 算法是近年来发展起来的一种新的进化算法( Evolutionary Algorithm - EA) .PSO 算法属于进化算法的一种,和遗传算法相似,它也是从随机解出发,通过迭代寻找最优解,它也是通过适应度来评价解的品质. 但是它比遗传算法规则更为简单,它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作. 它通过追随当前搜索到的最优值来寻找全局最优 。

详解粒子群PSO算法，分析优缺点，以案例应用为基础分析，可以借鉴

用粒子群优化算法自动优选特征组合，提高分类精度，减少运行时间

粒子群优化算法解决旅行商（TSP）问题，求解全国31个省会城市的一次历遍的最短距离。代码可运行

13种粒子群优化算法，包括协同，混合，局部，全局，繁殖等，对应的博客地址http://www.cnblogs.com/hxsyl/p/4521778.html

MOPSO多目标粒子群优化算法c++实现（内附其对应论文），其代码写作规范具有参考价值，其对应论文供大家学习与交流。

《自适应粒子群及其优化算法》第一章在分析全局优化的特点与难点基础上，对当前典型的群智能优化算法进行介绍；第二章首先阐述了基本粒子群优化算法的思想，然后分析了粒子群算法的优化模型和算法行为，在此基础上对自适应粒子群优化算法的思想进行了深入分析；第三章针对PSO算法求解组合优化问题时，速度迭代公式难以定义的问题，提出等值变换、异值变换和变换序列等概念的基础上，通过重新定义粒子的速度和位置迭代公式，设计随机自适应粒子群优化模型并用以求解0-1背包问题。

包括粒子群相关算法的代码（AsyLnCPSO、BreedPSO、CLSPSO、LinWPSO、LnCPSO、PSO、RandWPSO、SAPSO、SecPSO、SecVibratPSO、SelPSO、SimuAPSO、YSPSO），对粒子群算法学习很有帮助，值得学习研究。

该论文是较完整的讲述了基于粒子群优算法的最大熵多阈值图像分割技术

现在有很多粒子群算法不规范，国外有些工具包过于复杂，功能太大而无从下手，国内的一些文档上的方法多数都是一个粒子式地简单循环，不能够全面地发挥Matlab基于矩阵计算的能力，本程序中的主程序及目标函数均基于向量形式，另外，很多具体程序中缺乏对约束问题进行考虑，本程序可以针对约束问题给出结果以查看约束处理情况，另外还可以选择是否显示离线和在线性能等，再者，本工具包里包含有全局算法及局部算法，试验后发现，局部算法的性能要好得多（可能针对不同问题吧），最后，本算法模块化层次条理清晰，说明具体，可以简单改造成各种改进型算法。