多目标可行性增强粒子群优化（MOFEPSO）是一种利用帕累托优势技术的增强粒子群优化（PSO）方法。MOFEPSO 是一种受约束的多目标优化器，旨在处理高度约束的优化问题。该技术以不同的方式处理可行和不可行粒子。不可行粒子不需要评估目标函数并且仅基于社会吸引力飞行，这取决于单个违反约束，称为激活约束 (AC)，它在每次迭代中根据约束优先级进行选择，并且飞行仅沿搜索维度发生交流敏感的空间。为了确保约束满足的逐步提高，MOFEPSO 中不允许粒子违反满足的约束。 参考资料： Mehmet Sinan Hasanoglu and Melik Dolen. "Multi-objective feasibility enhanced particle swarm optimization". In: Engineering Optimization 50.12 (Feb. 2018), pp. 2013-2037.

LibGdx 粒子编辑器 particle-editor.jar

(8条消息) 【预测模型】基于粒子群算法PSO优化极限学习机ELM实现数据预测matlab源码.zip_elm极限学习机预测matlab-Matlab文档类资源-CSDN文库.html

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真模型及运行结果

对于Trapcode系列插件，相信用过AE的朋友们一定不会陌生，它是AE后期制作小伙伴的必备利器，业界有句戏言“无 shine 不包装”，可见 Trapcode 的普及程度。 本资源内包含以下插件，支持AE/CC2017/CC2018/CC2019/CC2020/2021： Trapcode Particular 5 AE粒子插件 Trapcode Tao 路径三维物体动画 Trapcode 3D Stroke 3D描边插件 Trapcode Echospace 三维立体拖尾延迟插件 Trapcode Form 4 三维空间粒子插件 Trapcode Horizon 无限场景（天空）插件 Trapcode Lux 聚光灯插件 Trapcode Mir 3 三维图形插件 Trapcode Shine 放射光插件 Trapcode Sound Keys 音频关键帧插件 Trapcode Starglow 星光插件 系统要求： Windows 10或者更高系统 Mac OS X 10.11或者更高系统

使用matlab实现蜂群SVM，粒子群SVM，遗传算法SVM，数据包含有公共数据集，公共图像数据集，图像特征提取用了词袋，保证可用（公共图像数据集太大，删除了）

此代码详细的按粒子群算法原理编写，每一步走都能轻松看懂。其中用粒子群算法优化了单目标函数，需要测自己的函数，在原代码上修改就可以了！

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真

本算法为用遗传算法改进粒子群GA-PSO算法，附带含有程序使用说明。(This algorithm uses genetic algorithm to improve particle swarm optimization GA-PSO algorithm, with instructions for the use of the program.)