Matlab 常用PSO工具包,外国人编写的，使用较多。

针对于黑箱模型我们常常利用输入输出量去进行系统辨识，从而获得黑箱系统的传递函数，以便于开发设计控制策略和控制器。

PSO、置信规则库、优化算法、Python实现、BRB、粒子群

•一种混合元启发式优化算法，结合了萤火虫和粒子群算法的优点。 •通过控制先前的全局最佳适应值提出局部搜索策略。 请引用： İbrahim Berkan Aydilek，一种用于计算昂贵的数值问题的混合萤火虫和粒子群优化算法，应用软计算，第 66 卷，2018 年 5 月，第 232-249 页

利用粒子群算法优化方程最小值，方程变量个数可变，方程可自行定义，运行结果正确。粒子群算法（ Particle Swarm Optimization, PSO）最早是由Eberhart和Kennedy于1995年提出，它的基本概念源于对鸟群觅食行为的研究。设想这样一个场景：一群鸟在随机搜寻食物，在这个区域里只有一块食物，所有的鸟都不知道食物在哪里，但是它们知道当前的位置离食物还有多远。最简单有效的策略？寻找鸟群中离食物最近的个体来进行搜素。PSO算法就从这种生物种群行为特性中得到启发并用于求解优化问题。

matlab代码粒子群算法基于突变的GPS和PSOGSA的MATLAB代码 执行功能优化的代码。 这是题为“用于工程设计问题的引力搜索和粒子群优化方法的模糊突变嵌入式混合动力”的论文代码。 给出的代码是针对两种算法的： 基于变异的GPS（MGPS） 基于突变的PSOGSA（MPSOGSA） 参数 必须在main.m文件中为MPSOGSA和MGPS设置以下参数 num-每个函数的运行次数 functionCount-您要执行的功能数 对于MGPS，您还可以设置yolu rho和phi-用于设置模糊隶属函数参数的值 为MGPS和MPSOGSA设置的参数 n-人口规模 iter-要执行的迭代 注意：要优化工程问题，必须更改代码，用engg取消注释所有函数调用，并注释不带engg的函数 运行代码 在上面指定的文件中设置所有必需的参数 运行文件main.m 链接以获取算法详细信息： 抽象的： 引力搜索算法（GSA）和粒子群优化（PSO）分别是自然启发式，基于群的优化算法。 尽管它们从一开始就已被广泛用于单目标优化，但是它们会过早收敛。 即使GSA和PSO的混合性能好得多，问题仍然存在。 因此，为

pso svm的matlab代码粒子群算法 粒子群算法用于特征选择 运行MATLAB代码的步骤1：运行PSO.m文件 您可以将数据集和SVM分类器替换为您选择的数据集和SVM分类器。 如果发现错误，请给我们发送电子邮件。 萨迪·萨利（Sadegh Salesi） Georgina Cosma博士 参考：S. Salesi和G. Cosma，“一种新颖的用于特征选择的扩展二进制杜鹃搜索算法”，2017年第二届国际知识工程与应用大会（ICKEA），伦敦，2017年，第6-12页。 doi：10.1109 / ICKEA.2017.8169893关键字：{特征选择;优化;模式分类;随机过程;搜索问题;支持向量机;伪二元突变邻域搜索程序;扩展的杜鹃搜索算法;特征选择;分类精度;杜鹃鸟;Lévy飞行随机游走；搜索空间；Lévy飞行机制；扩展的二元布谷鸟搜索优化；布谷鸟搜索策略；支持向量机分类器；优化；搜索问题；特征提取；鸟；算法设计和分析；空间探索；收敛性；特征选择；分类；布谷鸟搜索；变元优化；自然启发式算法}，URL： 摘要：杜鹃搜索是一种最新的自然启发式元启发式算法，其灵感来自杜鹃鸟积极的繁

灰狼算法（GWO）和粒子群算法（PSO）在Matlab上的算法实现，同时加入了UCI的基准函数进行性能比较，便于学习两个算法。

应用GA和PSO算法求解10城市TSP问题

PSO_ELM_MATLAB.m