针对非线性隐式极限状态方程的可靠度指标计算,将支持向量机和粒子群优化算法相结合,提出了一种结构可靠度算法.首先结合支持向量机不受样本点限制的优点,将历次迭代产生样本点加入本次迭代样本点中,采用支持向量机对样本点进行训练,然后引入粒子群优化算法计算可靠度指标,解决迭代过程中支持向量机回归模型可靠度指标计算震荡不收敛的情况,最后根据可靠度指标收敛得到的支持向量机回归模型,采用重要抽样法计算失效概率.计算结果表明:该方法得出的失效概率具有较好的精度,特别是针对迭代过程中可靠度指标不收敛的情况具有良好的适用性.

PSO功能选择 用于特征选择的粒子群优化（PSO）。 使用PySwarm。

基于遗传算法优化多尺度排列熵参数，类似于粒子群算法优化参数

压缩包内的pso.m是粒子群算法的代码，其余的是遗传算法的代码，本人测试过，压缩包内是两个算法对同一目标函数的对比，来自MATLAB智能算法超级学习手册

13种粒子群优化算法，包括协同，混合，局部，全局，繁殖等，对应的博客地址http://www.cnblogs.com/hxsyl/p/4521778.html

针对PID控制器参数整定问题,提出一种基于改进粒子群优化算法的优化方法。该方法在实数编码及设定参数搜索空间的基础上,采用基于指数曲线的非线性惯性权值递减策略,以较大幅度地提高算法的收敛速度和精度;嵌入基于差分进化算法变异算子的局部搜索策略,以有效提高粒子个体的适应性和群体的多样性,改善解的质量,同时增强算法全局空间探索和局部区域改良能力的平衡。仿真结果表明,该方法与传统和智能算法相比较,所得到的控制器参数能够使控制系统获得更好的动态响应特性和满意的控制效果。

【路径规划】基于粒子群结合遗传算法实现机器人栅格地图路径规划matlab源码.zip

【lstm预测】基于粒子群优化算法改进的lstm预测matlab源码.zip

我已经使用粒子群优化算法为 IEEE 30 总线测试系统解决了最优无功调度问题。 控制变量，如发电机的无功输出（发电机母线电压）、变压器的抽头比和并联补偿器（如电容器）的无功输出等。已经通过 PSO 算法进行了优化，以在满足给定的一组约束的同时最小化总传输有功功率损耗。 详情请参考 ORPD_introduction 文件。

使用matlab编码，分为多个.m文件编写，包括支配关系选择，全局领导者选择，删除多于的非劣解，创建栅格，标准测试函数ZDT。