两个文件 主程序 微粒群优化的神经网络 子程序 适应度函数，可修改

PSO算法原理及应用_唐俊

针对粒子群算法（Particle Swarm Optimization，PSO）易陷入局部极值的缺陷，提出了一种新的自适应惯性权重混沌PSO算法（a New Chaos Particle Swarm Optimization based on Adaptive Inertia Weight，CPSO-NAIW）。首先采用新的惯性权重自适应方法，很好地平衡粒子的搜索行为，减少算法陷入局部极值的概率，然后在算法陷入局部极值时，引入混沌优化策略，对群体极值位置进行调整，以使粒子搜索新的邻域和路径，增加算法摆脱局部极值的可能。最后，实验结果表明，CPSO-NAIW算法能有效避免陷入局部极值，提高算法性能。

跟随变异粒子扰动变化的惯性权重PSO算法 (2015年)

基于PSO算法的多目标电力系统无功优化，吴璇，王建，随着国民经济的迅速发展，电力系统的经济运行日益受到重视，降低网损，提高电网输电效率和电力系统运行的经济性是电网运行部门面

基于GA-PSO算法，包含程序和数据.rar

基于PSO算法的 -SVM算法参数优化，王洁，白静，在v-SVM算法参数选择中，现多采用反复试验的方法，局限性较大且操作复杂。因此，本文采用了粒子群算法来优化v-SVM中的参数，并将之��

它使用粒子群优化算法找到变量函数的最小值。 % 输入参数为： % -func: 目标函数的最小化句柄％-numInd：这是群体元素的数量% -range: 必须创建元素的范围% -n_var: 函数变量的个数% -tolerance：它是群体停止标准的容忍度％ 半径％-numIter：这是最大迭代次数% -pesoStoc：这是群体的可移动性% % 输出参数为： % -p_min: 最小点查找% -f_min：函数的最小值% -iter：处理的迭代次数

多下载 我需要分数 下载别的东西 感谢各位帮助 多下载 我需要分数 下载别的东西 感谢各位帮助

摘要: 针对传统的交互式洪水调度方案生成方式存在的缺陷,由基于PSO 算法的洪水优化调度模型,提出了有条件限制的随机自动生成方式,并利用罚函数法处理边界条件和其他非等式约束。实例应用结果表明,较之常规的动态规划法,改进后的PSO 算法计算速度快、结果合理,为流域防洪优化调度提供了有效途径。 　　水库洪水调度对流域防洪减灾至关重要。传统的洪水调度方案通常通过人机交互方式生成。 　　由于洪水调度问题的复杂性和调度经验、水平等原因,最可行的调度方案往往被遗漏,即使是经验较为丰富的调度人员也难以在短时间内生成最优方案,从而影响洪水调度决策的科学性和实时性。 　　因此,有必要研究优化方法以更快、更