利用粒子群算法（PSO）对BP神经网络模型进行优化，可以对数据进行仿真训练，可以对变形监测以及其他领域的数据进行预测，实验结果表明粒子群算法（PSO）对BP神经网络模型比BP神经网络模型有着更好的预测精度以及在预测时间上也大大加快，代码是基于matlab语言自己写的。

粒子祥优化是一种新兴的老于体智话的后发式全局拟索法，子祥优化算法远过粒子间的充争和协作以实在复杂拟东空间中号找全局爆优点。它是有易犯解、易实呢、全局拟东能力奶等特点，天科学与工程领质的广泛关注，己经成为发展快的智能优化算法之一。论文介绍了粒子祥优化算法的老本原理，分析了其特点。论文中四楼子优化算法的原理、特点、参数设置与应用等方进行全画述，点利用单国子方差分析方法，分析了粒粹优化算法中的性权慎，加速国子的设置对算法老构性能的影响，给出算法中的经这参数设量。最后对其未来的研是出了一些议及研究方向的展。

微电网的粒子群优化调度算法，里面包括相关文献参考和电价数据，算法的过程解释的很清楚，是我学算法时候用到的资源。

为了解决各种各样的优化问题,人们提出了许多优化算法,比较著名的有爬山法、遗传算法等.优化问题有两个主要问题:一是要求寻找全局最小点,二是要求有较高的收敛速度. 爬山法精度较高,但是易于陷入局部极小. 遗传算法属于进化算法( Evolutionary Algorithms) 的一种,它通过模仿自然界的选择与遗传的机理来寻找最优解. 遗传算法有三个基本算子:选择、交叉和变异. 但是遗传算法的编程实现比较复杂,首先需要对问题进行编码,找到最优解之后还需要对问题进行解码,另外三个算子的实现也有许多参数,如交叉率和变异率,并且这些参数的选择严重影响解的品质,而目前这些参数的选择大部分是依靠经验.1995 年Eberhart 博士和kennedy 博士提出了一种新的算法;粒子群优化(Particle Swarm Optimization -PSO) 算法 .

通过粒子群算法优化支持向量机，可实现故障特征向量的分类

用粒子群算法(PSO)优化BP神经网络权值的MATLAB程序,内附有详细的注释，大家可是下载学习一下。 用粒子群算法(PSO)优化BP神经网络权值的MATLAB程序,内附有详细的注释，大家可是下载学习一下。

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

本资源采用标准粒子群算法对3-5-3多项式进行轨迹优化，目标函数为时间最优，程序为matlab代码，仅供学习参考

为提高量子粒子群算法的寻优能力，文中提出一种新的正态云模型自适应变异量子粒子群算法。该方法采用正态云模型优化策略，引入自身最差粒子和全局最差粒子，结合自身最优粒子和全局最优粒子自适应调整势阱中心位置与收缩-扩张系数， 每次迭代后生成的新粒子，以一定概率采用正态云模型对粒子进行变异操作。最后标准函数极值优化的实验结果表明，该算法的单步迭代时间较长但优化能力较同类算法有大幅度提高。

粒子群算法优化PID系数-粒子群算法优化PID系数.rar 本帖最后由 lanyichen 于 2017-6-29 18:21 编辑 特点： 1.注释清晰，便于中学生及本科生理解 2.采用并行计算，可加快计算速度 QQ截图20170629182500.jpg QQ截图20170629182512.jpg 粒子群算法优化PID系数.rar