python实现PSO算法优化二元函数，具体代码如下所示： import numpy as np import random import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D #----------------------PSO参数设置--------------------------------- class PSO(): def __init__(self,pN,dim,max_iter): #初始化类 设置粒子数量 位置信息维度 最大迭代次数 #self.w = 0.8 self.

从网上下载了一个GA－PSO算法，试着利用GA和PSO组合的策略进行优化，结果算法很问题，效率和不错。我下载原始算法，有一个问题就是它是针对所有的设计变量上下限都是一样的，所以我对程序进行了修改与改进，现在可以处理上下限不一致的问题，同时fix了一些bug。(GA GA and PSO algorithm matlab program combined ion group When doing optimization, first choose the GA algorithm, but the instability of the GA (or into a local optimum) it drives people crazy, even after twice the difference results can sometimes reach 30 or more, but because of time reason, I had to choose the optimal 1000, then the minimum of which the most optimal solution. Although the problem is considered solved, but will be from an academic, which makes Ben is very embarrassing. So, I downloaded a GA-PSO algorithm, try to use a combination of GA and PSO optimization strategy, the results of algorithm is the problem, efficiency and good. I downloaded the original algorithm, there is a problem is that it is the design variables for all upper and lower limits are the same, so I had to modify and improve the program, can now handle upper and lower limits inconsistencies, and fix some bug.)

两个文件 主程序 微粒群优化的神经网络 子程序 适应度函数，可修改

PSO算法原理及应用_唐俊

针对粒子群算法（Particle Swarm Optimization，PSO）易陷入局部极值的缺陷，提出了一种新的自适应惯性权重混沌PSO算法（a New Chaos Particle Swarm Optimization based on Adaptive Inertia Weight，CPSO-NAIW）。首先采用新的惯性权重自适应方法，很好地平衡粒子的搜索行为，减少算法陷入局部极值的概率，然后在算法陷入局部极值时，引入混沌优化策略，对群体极值位置进行调整，以使粒子搜索新的邻域和路径，增加算法摆脱局部极值的可能。最后，实验结果表明，CPSO-NAIW算法能有效避免陷入局部极值，提高算法性能。

跟随变异粒子扰动变化的惯性权重PSO算法 (2015年)

基于PSO算法的多目标电力系统无功优化，吴璇，王建，随着国民经济的迅速发展，电力系统的经济运行日益受到重视，降低网损，提高电网输电效率和电力系统运行的经济性是电网运行部门面

基于GA-PSO算法，包含程序和数据.rar

基于PSO算法的 -SVM算法参数优化，王洁，白静，在v-SVM算法参数选择中，现多采用反复试验的方法，局限性较大且操作复杂。因此，本文采用了粒子群算法来优化v-SVM中的参数，并将之��

它使用粒子群优化算法找到变量函数的最小值。 % 输入参数为： % -func: 目标函数的最小化句柄％-numInd：这是群体元素的数量% -range: 必须创建元素的范围% -n_var: 函数变量的个数% -tolerance：它是群体停止标准的容忍度％ 半径％-numIter：这是最大迭代次数% -pesoStoc：这是群体的可移动性% % 输出参数为： % -p_min: 最小点查找% -f_min：函数的最小值% -iter：处理的迭代次数