基于粒子群优化和变邻域搜索的混合调度算法.pdf

粒子群算法ppt，内容有 群集智能算法基本思想 PSO基本算法 PSO标准算法 PSO收敛性 PSO改进算法 PSO应用 pso不确定优化 pso求解约束优化问题

为了提高多目标优化算法解集的分布性和收敛性,提出一种基于分解和差分进化的多目标粒子群优化算法(dMOPSO-DE).该算法通过提出方向角产生一组均匀的方向向量,确保粒子分布的均匀性;引入隐式精英保持策略和差分进化修正机制选择全局最优粒子,避免种群陷入局部最优Pareto前沿;采用粒子重置策略保证群体的多样性.与非支配排序(NSGA-II)算法、多目标粒子群优化(MOPSO)算法、分解多目标粒子群优化(dMOPSO)算法和分解多目标进化-差分进化(MOEA/D-DE)算法进行比较,实验结果表明,所提出算法在求解多目标优化问题时具有良好的收敛性和多样性.

单变量粒子群优化算法演示程序，可观察研究粒子在优化过程中的行为。代码为 C++ & VS2010。

此代码有助于通过使用粒子群优化找出非线性等式和不等式约束的最小值

文章：智能算法之粒子群算法及改进（https://blog.csdn.net/qq_43683133/article/details/106962829）配套代码

针对粒子群优化算法局部搜索能力不足和易出现早熟收敛的问题，提出一种基于动态随机搜索和佳点集构造的改进粒子群优化算法。该算法通过引入动态随机搜索技术，对种群当前最优位置进行局部搜索；采用佳点集构造对陷入早熟收敛的种群重新初始化；引入负梯度方向直线搜索来加速算法寻优。仿真实验结果表明，与标准粒子群优化(SPSO)算法和耗散粒子群优化(DPSO)算法比较，提出的改进算法具有快速的收敛能力而且能有效地跳出局部最优，优化性能得到明显提高。

根据反导预警资源的实际特点，采用多Agent技术研究反导预警调度问题。设计资源管理Agent和预警资源Agent，给出卫星与雷达探测目标的适宜度计算方法，以方案适宜度最大化为目标生成调度方案。为提高调度方案的时效性设计一种基于自适应概率的粒子群算法，算法中粒子的每一维分量根据方案适宜度以不同概率取值，反映粒子的思考过程。实例分析表明，该算法与现有的预警资源调度算法相比，能较快地收敛到一个较优值，使调度方案满足反导预警作战实时高效的要求。

协同粒子群matlab程序，协同PSO算法的系统辨识，算法可实现逐维寻优，避免算法的退化 ，本人在matlab2016a上面运行能够跑通，希望对需要的人有用。

PSO粒子群算法的寻优算法-非线性函数极值寻优+matlab源代码.zip