完整代码，可直接运行

烟气含氧量是影响火电厂锅炉运行安全性和经济性的一个重要因素,影响锅炉烟气含氧量的因素多而复杂,对烟气含氧量特性进行建模与控制是实现锅炉正常运行的基础。借助现场运行数据,根据锅炉烟气含氧量的特性,建立基于最小二乘支持向量机(LSSVM)的锅炉烟气含氧量预测模型。在此基础上结合全局寻优的混合粒子群算法(PSO),对锅炉烟气含氧量进行控制。仿真结果表明:该方法能够比较准确地对火电厂锅炉烟气含氧量进行测量和控制,为锅炉燃烧系统的闭环控制与优化运行提供了新的手段。

TSP (traveling salesman problem，旅行商问题)是典型的NP完全问题，即其最坏情况下的时间复杂度随着问题规模的增大按指数方式增长，到目前为止还未找到一个多项式时间的有效算法。本资源使用matlab软件，基于粒子群算法（PSO）对TSP问题进行了求解。

压缩包中共含有六个文件，均可运行。本程序为标准粒子群优化算法，以优化函数为例运行，代码后面标有注释，适合小白学习。

【优化求解】自纠正和逐维学习能力的粒子群算法Matlab源码.md

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码介绍

计算单粒子散射轨道并在给定势场下绘制动画。 main.m ：输入势场的表达式 V、无穷远处的粒子速度 vi 和瞄准距离 d（从势场中心到渐近线的距离）。 calculate_r.m ：使用 ode45 计算粒子相对于极坐标系中势场中心的半径。 calculate_phi.m : 在极坐标系中计算粒子相对于势场中心的方位角。 animation_plot_fun.m：绘制粒子运动动画，if_export_gif = 1，以gif格式输出演示动画。

Rao-Blackwellized 型粒子滤波器 提出了一种新的算法来跟踪数量未知的目标，这种新算法是基于Rao-Blackwellized 粒子滤波法的。该算法通过提出概率随机过程模型来描述目标状态、目标数据关联以及目标出现和消亡的过程。

编写粒子群优化研究工具箱是为了协助论文研究，以对抗粒子群优化 (PSO) 的过早收敛问题。 控制面板提供了足够的灵活性以适应各种研究方向； 在指定您的意图之后，工具箱将自动执行多项任务，以腾出时间进行概念设计。 示例特征 +从Gbest PSO，Lbest PSO，RegPSO，GCPSO，MPSO，OPSO，全局最佳的柯西突变以及混合组合中进行选择。 + 基准套件包括 Ackley、Griewangk、Quadric、noise Quartic、Rastrigin、Rosenbrock、Schaffer's f6、Schwefel、Sphere 和 Weighted Sphere。 + 每个试验使用自己的伪随机数序列来确保数据的可重复性和唯一性。 + 选择最大数量的函数评估或迭代。 如果达到成功阈值或检测到过早收敛，则提前终止。 + 选择静态或线性变化的惯性权重。 + 激活

粒 不 子群\粒子群算法论文粒