为了有效提高混凝土抗压强度的预测精准度，利用粒子群算法优化BP神经网络初始权值和阈值，建立了混凝土抗压强多因子PSO-BP预测模型。模型以每立方混凝土中水泥、高炉矿渣粉、粉煤灰、水、减水剂、粗集料和细集料的含量以及置放天数为输入参数，混凝土抗压强度值作为输出参数，不仅可以克服BP算法收敛速度慢和易陷入局部极值的缺陷，而且模型的学习能力、泛化能力和预测精度都有了很大的提高。以UCI数据库中的Concrete Compressive Strength数据集为例进行仿真测试，结果表明：PSO-BP模型预测精度较BP、GA-BP模型分别提高了8.26%和2.05%，验证了PSO-BP模型在混凝土抗压强度预测中的有效性。

ames Kennedy and Russell Eberhart 在国际会议上提出了pso算法，最早的文章，包括的算法最初的模型，以及对于模型的介绍和最初的应用，是pso学习者必看的文章之一

0 引 言 　　由于FIR数字滤波器具有系统稳定，容易实现线性相位，允许设计多通带(或多阻带)以及硬件容易实现等特点，使得其在数字信号处理中有着广泛的应用。传统FIR滤波器的设计方法是建立在对理想滤波器频率特性作某种近似的基础上进行设计的，其中包括窗函数法、频率采样法及最佳一致逼近法。窗函数法计算简单，但不能很好地折衷过渡带与幅频响应误差之间的矛盾。频率采样法直接从频域处理，原理简单，计算也不复杂，但不易精确确定其通带和阻带的边缘频率，并且使用传统的查表法，不能保证数据最优。最佳一致逼近法着眼于整个区间内的总误差为最小，但并不一定能保证在每个局部误差都最小。近年来许多学者将先进方法用于FIR

PSO算法求解CVRP“车辆路径问题”，这是其matlab代码 PSO算法求解CVRP“车辆路径问题”，这是其matlab代码

粒子群算法matlab实现程序及详解，详细讲解了PSO算法的起源及历史，附标准的PSO算法的matlab程序及详解，以及局部粒子群 二进制PSO。

PSO-PID优化

粒子群算法（PSO）工具箱，及其使用简介。有最普通的PSO算法的简单例子。 粒子群算法（PSO）工具箱，及其使用简介。有最普通的PSO算法的简单例子。

PSO_PathPlaningNew-master.rar 新的PSO路径规划算法

支持向量机是一种基于统计学习理论的机器学习方法.在传统的支持向量机模型中,模型参数需要用试凑的办法,一个基于粒子群算法的参数选择机制,这可以大大减少模型的运算时间

资源是java实现的PSO粒子群优化算法,可以正常运行,可以根据自己实际业务更改来满足自己的需求.