[gbest，xb] = levyPSO（@func，vars）是一个搜索全局最小值的函数。 使用基于 Levy 分布随机化的 PSO 算法在 'func' 中定义的 n 维函数。 它返回全局（不保证）最小值和函数采用该值的坐标。 此函数的输入以与 Matlab 内置函数“fminsearch()”类似的方式设计。 示例语法：[gbest, xb] = levyPSO(@func_test, [0 0], [100 100], 100, 200) 用于二维， [gbest, xb] = levyPSO(@func_test_3d, [0 0 0], [100 100 100], 100, 200) 用于 3-D 函数演示此功能的性能在附加的测试功能上进行测试。 它在目标命中率（成功定位全局最小值）方面与“fminsearch()”和“GOAT()”竞争，优于内置的“particleswar

【优化求解】基于tent混沌改进粒子群优化算法.zip

遗传算法和粒子群算法结合的matlab源码 详细的注释 遗传算法和粒子群算法结合的matlab源码 详细的注释

rt，粒子群算法优化的RBF神经网络

提出了一种通过改进全局最优位置粒子寻优策略而提高粒子群优化计算效率的混合粒子群优化算法

Optimal load frequency control in interconnected power system，基于粒子群算法的互联电力系统最优负荷频率控制。包括matlab完整代码。

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

利用粒子群改进算法整定pi控制器两个参数。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

RBF网权值的量子粒子群优化算法

粒子群算法优化最小二乘支持向量机的源程序