针对基于模版匹配的跟踪算法运行速度较慢、成功率较低的问题，提出了一种基于粒子群优化的模版匹配跟踪算法。该算法采用粒子群优化算法作为候选模版的搜索策略，并自适应的更新目标模版。首先，在设定的范围内随机采集多个候选模版，计算出个体最优样本和全局最优样本；其次，根据粒子群优化算法进行迭代求出最佳的候选模版；最后，自适应的更新目标模版。经过理论分析和实验仿真表明，与基于模版匹配的跟踪算法和基于粗精搜索的模版匹配跟踪算法相比，基于粒子群优化的模版匹配跟踪算法大大的减少了跟踪算法的计算量，使得该算法能产生很好的实时跟踪，并且跟踪的鲁棒性以及成功率都有很大的提高。

粒子群算法 求函数最小值，matlab代码。链接是讲解粒子群算法 https://blog.csdn.net/zyqblog/article/details/80829043 。 我用ubuntu下matlab编写的代码，你在windows下可能有中文乱码，不过都是注释，你可以去博客链接中查看主要代码部分，不影响的

提出了一种基于近似粒子群算法的车间作业调度问题。根据目标函数建立了算法数学模型,针对该模型,用近似粒子群算法对其进行优化调度。近似粒子群算法是通过交叉、变异和迭代等操作,得到目标的全局较优解。仿真示例说明了近似粒子群算法在求解Flow- Shop生产调度方面的可行性和有效性。

火力分配的粒子群算法，测试通过，适于专业学习

在本文中，考虑了一种新颖的动态粒子群优化算法来进行复合函数优化。 由于在实践中通常存在复杂的计算问题，因此解决该问题意义重大。 动态邻域拓扑和小波变异可以帮助PSO算法与相邻粒子协同工作，克服早熟问题。 结果提供了对所提出的算法如何在解决复合函数方面具有更好的有效性的见解。

PSO粒子群算法求解多元函数极值代码

粒子群算法 约束多目标 优化 matlab代码 粒子群算法 约束多目标 优化 matlab代码 粒子群算法 约束多目标 优化 matlab代码 粒子群算法 约束多目标 优化 matlab代码

为了改善旅行商(TSP)优化求解能力,对模拟退火与混合粒子群算法进行改进,引入了自适应寻优策略。交叉、变异的混合粒子群算法,易于陷入局部最优,而自适应的模拟退火算法可以跳出局部最优,进行全局寻优,所以两者的结合兼顾了全局和局部。该算法增加的自适应性寻优策略提供了判定粒子是否陷入局部极值的条件,并可借此以一定概率进行自适应寻优,增强了全局寻优能力。与混合粒子群算法实验结果对比,显示了本文算法的有效性。

使用于潮流无功优化

多目标搜索算法相对于单目标算法来说，更加贴近于实际问题，求解结果更具有参考价值。通过多目标搜索算法最终得到的不是一个最优解，而是一个非劣解集，需要从非劣解集中根据实际问题的需要选择一个解作为该问题的最终解。 多目标背包问题描述： 假设存在五类物品，每类物品中又包含四种具体物品，现要求从这五类物品中分别选择一种物品放入背包中，使得背包内物品的总价值最大，总体积最小，并且背包的总质量不超过92Kg。其中P为每个物品的价值，R为每个物品的体积，C为每个物品质量。（具体的数据和注释附在代码中）