CUDA_PSO 这是PSO算法的CUDA版本

matlab代码粒子群算法GPSI_tool_box Matlab代码，利用混合同伦-PSO算法和多核极限学习机对DNAPL污染的含水层进行有效的源识别和参数估计 地下水污染源识别（GPSI）对采取有效措施保护地下水资源，评估风险和设计补救策略至关重要，属于数学方程式的反问题，该数学方程式具有明显的非线性和不适定性。 关于稠密非水相液体（DNAPL）源的反演，污染物的特殊特征使相关研究更加复杂。 在当前的工具箱中，结合了基于同伦的优化逆理论和多核极限学习机（MK-ELM），可以有效地解决GPSI问题，同时估计DNAPL污染地点的含水层参数。 将包含多核与遗传算法（GA）的极限学习机嵌入到源反演的优化模型中，以代替多相流模拟模型并减轻反演迭代的可观计算负担。 混合同质粒子群算法（PSO）被构造为一种在不依赖初始值的情况下在宽广区域内分段搜索全局最优值的更有效方法。 结果表明，基于GA的MK-ELM和混合同质PSO的应用有效地完成了地下水污染源和含水层参数的同时识别。 主程序在“ Hybrid_homotopy-PSO_for_GPSI”文件夹中名为“ H_PSO_identificati

这应该是我在csdn上见过写的最牛的PSO代码了 ，不过也超过八年了，这几篇博客阅读量很多，很多求下载的源码，正好我下载了 ，现在分享给大家，需要的可以下载！ 链接在这：https://blog.csdn.net/zqx951102/article/details/89879865

遗传算法(GA)和粒子群算法(PSO)都属于进化算法，用于优化计算时，可以帮助寻找问题的最优解。将遗传算法和粒子群算法应用到反射阵列设计中，大大缩减了设计周期并提高了反射阵列性能。按照该方法设计出的板子阵列在10 GHz的高频下仍能保持大角度的RCS在-20 dB以上，并可以根据实际要求进行灵活调整，加工实物后进行实测，实测结果和仿真结果具有很好的一致性。

标准粒子群程序 运用PSO算法进行测试函数 MATLAB 编写

基于二进制PSO算法的特征选择及SVM参数同步优化详细描述了二进制PSO算法的特征选择

用C语言实现的PSO算法，注释较为详尽，大家用用看 本人也是用这个算法实现论文的要求

针对电力负荷的小样本、非线性、高维数和局部极小点等问题,提出采用最小二乘支持向量机方法建模,以历史负荷、温度、湿度等数据作为输入量,对短期电力负荷进行预测;针对最小二乘支持向量机在建模中存在的参数选取问题,采用一种根据种群多样性信息来指导初始种群选取和避免粒子早熟收敛现象的改进粒子群优化算法来优化最小二乘支持向量机的惩罚因子和核参数。仿真结果表明,基于改进粒子群优化算法和最小二乘支持向量机的短期电力负荷预测方法较最小二乘支持向量机预测方法、基于基本粒子群优化算法和最小二乘向量机的预测方法具有更好的预测精确度。

用MATLAB编写测试函数的五种PSO改进算法

matlab语言编写的PSO算法代码，和改进措施