为了达到配电网重构策略多目标优化的目的，采用随机权重的方法来构建目标函数。为了满足配电网在不同运行状态下的不同重构目标，各指标在目标函数中的权重会根据电网的运行状态动态调整。为解决二进制粒子群优化(binary particle swarm optimization，BPSO)算法求解速度慢的问题，提出了改进型BPSO算法。改进型算法可以将处于风险状态的设备快速转移到供电线路末端，从而提高系统的稳定性。最后，以IEEE 33节点系统为例进行仿真验证，将改进型BPSO算法和已有的3种算法进行对比，验证了改进算法具有计算时间短、网络损耗小、最大供电能力高等优点。

代码说明： 说明： 提供 基于粒子群算法优化的变分模态分解算法，适应度函数选择的是模糊熵(This paper presents a variational mode decomposition algorithm based on particle swarm optimization, and the selection of fitness function is fuzzy entropy) 文件列表： hk, 0 , 2019-06-10 hk\func_1.m, 889 , 2019-06-10 hk\MFE.m, 1522 , 2019-06-10 hk\PSOVMD算法之仿真改.m, 1954 , 2019-06-10 hk\VMD.m, 4302 , 2019-06-10 hk\ww13.TXT, 9476311 , 2019-06-10

【微电网优化】基于粒子群算法求解冷热电联供综合能源系统多目标运行优化问题含Matlab源码

粒子群算法PSO优化支持向量机回归算法SVR，python写，自带数据集

针对求解资源受限项目调度问题（RCPSP），提出了基于差分进化（DE）的混合粒子群算法（PSODE）。通过在PSO种群和DE种群之间建立一种信息交流机制，使信息能够在两个种群中传递，以避免个体因错误的信息判断而陷入局部最优点。采用标准测试函数和具体算例进行检验，结果表明PSODE算法可以较好地解决RCPS问题。

随着间歇性电源(分布式风电、光伏)在中、低压配电网中渗透率的提高，多个微电网可能共存于一个区域配电网中，各微电网间能量互济与协调控制的微电网群技术开始引起广泛的关注。以微电网研究为基础，分析了微电网群的典型特征及拓扑结构。以微电网群功率波动为研究对象，建立了微电网群功率波动熵值的动态调度模型，采用量子粒子群优化算法进行求解实现优化控制。仿真结果验证了所提微电网群功率优化控制方法的正确性和有效性。

改进的粒子群算法，适合需要用到PSO的朋友参考下，推荐下载

基于粒子群算法的移动机器人路径规划，可直接运行，障碍物比较简单，可以自己做调整，程序还不错

粒子群算法解决TSP问题的关键在于全局最优值的定义和本次种群最优值的定义，本算例通过对点的位置进行最优值的定义，每次迭代各个点以概率的形式朝着全局最优和本次最优靠近。程序可直接运行，有部分程序说明。

运用粒子群算法实现对几种测试函数最优解的搜寻，可对算法进行改进，提升算法的寻优性能。 粒子群算法几种改进方法： 1.权重改进：非线性权重、自适应权重等。 2.学习因子：学子因子动态调整 3.速度更新改进 4.加入新算子等等。