粒子群算法优化灰色预测模型

 为有效提高雷达天线抑制强烈地海杂波的要求，文中提出了一种改进的粒子群算法，可以很好的实现阵列天线仅相位加权不对称波束赋形。该算法通过引入自适应收缩因子和适应度函数加权因子，并在非优胜粒子位置更新时引入混沌扰动，避免搜索过程陷入局部最优。计算结果表明，与普通粒子群算法相比有效提高了全局搜索能力和收敛速度，大量减少了迭代次数，在方向图综合中有着非常好的实际工程应用性。

摘 要 I Abstract II 1. 绪论 1 1.1 研究背景及意义 1 1.2 国内外当前研究状态 1 1.3 本文的工作 4 1.4 论文结构 4 2. 智能组卷与粒子群算法概述 5 2.1 智能组卷概述 5 2.1.1 组卷问题描述 5 2.1.2 组卷问题的数学模型 6 2.1.3 智能组卷算法的选择 6 2.2 粒子群算法在组卷系统中的应用 7 2.2.1 粒子群算法简介 8 2.2.2 粒子群算法的基本过程 8 2.3 粒子群算法应用于组卷系统的原理 11 3. 智能组卷系统的设计 13 3.1 需求分析 13 3.2 系统结构 14 3.3 数据库设计 16 3.3.1 数据描述 16 3.3.2 概念数据库设计 16 3.3.3 逻辑数据库设计 19 3.4 智能组卷中试卷参数的确定 21 3.5 粒子群算法实现智能组卷的关键技术 22 3.5.1 惯性权重的设计 22 3.5.2 加速因子的确定 22 3.5.3 粒子群数量的选择 23 3.5.4 迭代中止的判定 24 4. 智能组卷系统的实现 26 4.1 开发环境和开发工具 26 4.2 智能组卷系统的主要功能实现 27 4.2.1 用户登录模块的实现 27 4.2.2 添加题目模块的实现 27 4.2.3 题目查看模块的实现 28 4.3 粒子群算法组卷的实现 29 4.4 组卷系统的应用实例 36 4.4.1 用户登录 36 4.4.2 知识点管理 37 4.4.3 题目管理 39 4.4.4 智能组卷 41 4.4.5 现有试卷查看 42 5. 结束语 45 5.1 总结 45 5.2 展望 46 参考文献 47 致 谢 49

MATLAB程序m文件和simulink程序，用粒子群算法做控制器去优化迭代学习控制，鲁棒性好，且迭代精度高，有PDF详细解释

遗传算法与模拟退火,粒子群算法的结合与比较实验.稍微修改就可以学习应用

基于粒子群算法的PID控制器优化设计的Matlab程序代码 本资源仅供学习交流，侵删

matlab软件开发 粒子群优化算法程序 格式为m文件

基于粒子群算法的传感器布置，在本网站上有一版本，但是仔细学习了一下，不对，这个是我自己改的版本，若有错误请指正。

PSO算法是一种基于群智能（Swarm Intelligence）方法的演化计算技术。最早由Kennedy 和 Eberhart 于1995年提出，受到人工生命的研究结果启发，PSO的基本思想源于对鸟群捕食行为的研究。

该资源利用粒子群优化算法解决了区间极值问题，该程序可运行，并且有良好的收敛效果，本程序来自老师课上讲解的书籍中，是一个典型的离散极值问题