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）

基于改进粒子群算法的三维装箱优化研究，杨志强，牛占文，本文提出一种适用于求解三维装箱问题的改进粒子群优化算法。该算法在简化粒子群优化算法的基础上，引入小生境技术实现初始种群的

C++中仅用random和math.h库编写的粒子群算法，特别适合才开始接触C++的人群

为克服BP神经网络算法在故障诊断应用中的缺点,提出了粒子群优化BP神经网络的方法,并在此基础上优化BP神经网络的结构来提高准确率。最后,通过对变压器故障诊断在Matlab中的仿真结果,验证了此方法有较高的准确率和较快的收敛速度。

针对医学图像具有较大的相似性和交叉性，易造成归属类别混乱的问题，提出了一种基于粒子群算法的医学图像分类方法。该方法使用形态学滤波和阈值法进行预处理；使用SIFT特征描述子来提取图像的局部特征，并使用聚类的方法得到SIFT特征的“视觉词汇”；使用粒子群算法选出一些列多样性和精度更高的SVM、KNN和AdaBoost分类器对特征进行分类。对15种不同类型的医学图像进行分类的结果表明，所提出的方法取得了94.72%的分类精度，且相比于单个分类器的方法具有较大的性能提升。

基于Pareto支配的多目标粒子群算法程序，用matlab设计实现，已经通过多个公认测试函数测试，结果良好。基于Pareto支配的多目标粒子群算法程序，用matlab设计实现，已经通过多个公认测试函数测试，结果良好。

针对大规模定制模式下的供应链调度优化问题, 首先将供应链调度优化问题进行数学规划建模, 并通过一 些定义将模型映射为有向图, 以便于智能搜索算法的应用; 然后, 结合遗传算法全局搜索能力强与粒子群算法收敛速 度快的特点, 进行优势互补, 构造了一种混合算法; 最后, 运用混合算法对供应链优化调度问题模型进行求解. 通过与 其他算法进行比较, 所得结果表明混合算法有着更好的整体性能.

有用粒子群算法解决物流中心选址问题的详细代码及解释

混合蚁群粒子群算法求解tsp问题混

贪心粒子群算法求解多维0-1背包问题，郝俊玲，，本文将单维背包问题求解中常用的贪心思想推广到多维0-1背包问题，但多维背包问题的多约束特性使得单维背包问题中按物品性价比非增