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

二元粒子群寻优，测试函数为Six-hump Camel Back Function，用于两个优化参数的取值范围不一的情况。

用粒子群算法优化支持向量机的matlab程序，简单易学，适合matlab初学者