基于带有学习策略的动态PSO的VSI馈送PMSM的参数估计

山梨酸钾是一种常用防腐剂，应用非常广泛，但食用过量会严重危害人体健康。研究了山梨酸钾在水溶液和橙汁中的荧光特性，山梨酸钾水溶液荧光特征峰为λex /λem = 375 nm/485 nm ，山梨酸钾和橙汁的混合溶液除了存在此荧光特征峰，还有一个侧峰λex /λem = 470 nm/540 nm 。在混合溶液中，橙汁和山梨酸钾的荧光特性相互干扰，加大了山梨酸钾浓度检测的难度。为准确测定混合溶液中山梨酸钾的浓度，采用微粒群算法优化的误差逆向传播(PSO-BP)神经网络对其进行检测。3 组预测样本的平均回收率为98.97%，PSO-BP 神经网络能够精确测定混合溶液中山梨酸钾的质量浓度范围为0.1~2.0 g/L。预测结果表明荧光光谱法和PSO-BP 神经网络相结合的方法能有效地检测山梨酸钾在橙汁中的浓度。

PSO多目标优化解决经典背包问题代码，可直接运行修改，详细注释，解决Pareto类问题

粒子群算法 聚类分析 matlab实现的

运行文件PSO,即可运行程序。程序给了相应中文解释。本文件提供4个相关的数据集，前缀为data为是数据，前缀为target为数据的标签。注：使用的是MATLAB2016a版本，采用MATLAB自带的SVM,若已安装林志仁SVM，则程序可能会运行失败，解决办法：MATLAB设置路径为默认路径，再次运行即可。

大规模优化问题出现在各个领域。 将大规模问题分解为与变量交互有关的小规模子问题并进行协作优化是优化算法中的关键步骤。 为了探索变量交互并执行问题分解任务，我们开发了两阶段的变量交互重建算法。 提出了一种学习模型，以探索部分可变相互作用作为先验知识。 提出了一种边缘化降噪模型，以使用先验知识构造整体变量交互作用，利用该知识将问题分解为小规模模块。 为了优化子问题并缓解过早收敛，我们提出了一种协作式分层粒子群优化框架，在该框架中，设计了应急领导，交互认知和自我导向开发的算子。 最后，我们进行理论分析以进一步理解所提出的算法。 分析表明，如果正确分解问题，该算法可以保证收敛到全局最优解。 实验是在C

参考用PSO优化LSSVM解决回归问题，本程序在此基础上用PSO优化LSSVM解决多分类的问题，通过PSO对LSSVM的两个参数进行寻优，分类精度能达到90%以上。程序使用了LSSVM的工具箱，并参考工具箱的说明书使用了三个函数，先对多分类的标签进行处理，然后训练得到分类模型，用模型对测试数据进行分类。数据来源于本人实验数据。

PSO-LS-SVM代码 PSO-LS-SVM代码 PSO-LS-SVM代码 PSO-LS-SVM代码 PSO-LS-SVM代码 PSO-LS-SVM代码 PSO-LS-SVM代码 PSO-LS-SVM代码

利用PSO算法优化求解PID参数的matlab程序-利用PSO算法优化求解PID参数.rar 利用PSO算法优化求解PID参数的matlab程序 利用PSO算法优化求解PID参数.rar

粒子群算法优化BP神经网络matlab代码 可用于人工智能的模式识别等