完整代码，可直接运行

C++实现最优化之粒子群算法示例，解决示例问题

完整代码，可直接运行

1、粒子群算法发展历史简介 由Kennedy和Eberhart于1995年提出． 群体迭代，粒子在解空间追随最优的粒子进行搜索. 简单易行 粒子群算法: 收敛速度快 设置参数少 由Kennedy和Eberhart于1995年提出． 群体迭代，粒子在解空间追随最优的粒子进行搜索. 简单易行 粒子群算法: 收敛速度快 设置参数少

【优化求解】基于非线性动态自适应惯性权重粒子群算法(IPSO)Matlab源码.md

用粒子群算法求非线性方程组的解，非常简单，供初学者学习。 粒子群算法的典型应用，用delphi编程实现！！

针对智能单粒子优化算法(ISPO)容易出现算法早熟、收敛精度低的现象, 提出一种基于高斯变异的智能单粒子算法(GISPO)。当粒子陷入局部最优值, 每一维速度会降到一定的阈值, 整个粒子进化处于缓慢阶段; 此时给予搜索到的历史最优极值一个自适应的高斯变异扰动, 会大大提高粒子的逃逸能力, 帮助粒子快速地跳出局部极值点, 不断地向全局最优解靠近。通过几个标准测试函数进行实验, 结果表明该算法的收敛速度、搜索精度和稳定性均优于ISPO算法。

粒子群的matlab代码SHPSO_code 代理辅助分层粒子群优化的代码 代理辅助层次粒子群算法（SHPSO）的实现 H.Yu，Y.Tan，Z.Zeng，C.Sun，Y.Jin，代理辅助层次粒子群优化，信息科学，454-455（2018）59-72。 每当将本文和此代码用于为用户自己的研究生成结果时，都应引用该文件和此代码。 该matlab代码由于海波编写：太原科技大学机械工程学院 请参考所有问题，评论，错误报告等以

完整代码，可直接运行

针对粒子滤波方法存在粒子贫乏以及初始状态未知时需要大量粒子才能进行鲁棒状态预估等问题,将粒子群优化思想引入粒子滤波中.该方法将最新观测值融合到采样过程中,并对采样过程利用粒子群优化算法进行优化.通过优化,可使粒子集朝后验概率密度分布取值较大的区域运动,从而克服了粒子贫乏问题,并极大地降低了精确预估所需的粒子数.实验结果表明,该算法具有较高的预估精度和较好的鲁棒性.