针对目前室内定位精度低及部署成本高的问题,提出了一种基于智能手机的可见光通信与改进的行人航迹推算(VLC/IPDR)粒子滤波融合室内定位方法。该方法首先对智能手机CMOS摄像头拍摄的发光二极管(LED)光源图像信息进行解码,确定待定位点所属的LED区域。然后根据光照度模型及手机陀螺仪获得的方向角推算具体位置信息。最后将VLC获取的位置坐标作为观测值,将IPDR作为粒子滤波的状态转移方程,用粒子滤波将二者融合后进行联合定位。实验结果表明,在3 m×3 m×3 m的小空间、单光源条件下,该方法的平均定位误差小于6 cm,在120 m与45 m垂直相交路径上的多运动模式定位测试中,平均定位误差小于0.2 m。

基于粒子群算法的MPPT跟踪

绝对好用，量子行为粒子群算法，收敛性强，搜索精度高

利用Aden和Kerker复合微粒子Mie散射理论计算C-H2O复合微粒子的散射强度分布函数，分析影响散射强度分布的因素，解释由其造成的大气温室效应，以及在光电对抗中的应用．

这个资源包含比较不错的水花效果，如果想实现比如石头掉入水面产生的水花，这是个不错的效果。欢迎下载

matlab粒子群适应度函数代码从中选择的代码：。 内容 1choice_DDM：Matlab的功能是将单选漂移扩散模型拟合到错误检测/响应时间数据中（例如，在纸上）。 顶级功能是FIT_diffusion_model_PSO_SS.m 。 通过粒子群优化（）进行的优化。 由于单选DDM没有已知的解析解决方案，因此通过蒙特卡洛模拟生成的给定参数集的模型预测。 代码包括可选的累加器泄漏，边界崩溃和错误前累加开始参数，我当时使用这些参数，但出于各种原因未在本文中包括。 NB仿真代码根本没有优化-这是我第一次进行建模，效率很低：-DA少量的工作将大大加快仿真速度。 执照 特此免费授予获得此软件和相关文档文件（“软件”）副本的任何人无限制地处理软件的权利，包括但不限于使用，复制，修改，合并的权利，发布，分发，再许可和/或出售本软件的副本，并允许提供软件的人员这样做，但须满足以下条件：上述版权声明和本许可声明应包含在所有副本中或本软件的实质部分。 如果您使用软件进行自己的研究，请引用该论文。 本软件按“原样”提供，不提供任何形式的明示或暗示担保，包括但不限于对适销性，特定目的的适用性和非侵权性的

为了同时满足目标跟踪定位精度和能耗要求，采用离散粒子群优化算法，并将目标跟踪定位精度和能量消耗进行综合考虑设计了目标任务分配算法。仿真结果表明：在能耗上，基于能耗和定位精度考虑的目标任务分配算法比仅基于能耗考虑的目标任务分配算法增加了19.37%，但定位精度却提高了68.877%。算法在达到定位精度要求的同时最大限度地降低了对资源的使用，有效延长了无线传感器网络的工作寿命。

realflow 2014 删除水下粒子，一般我们计算水花，会产生大量水下粒子，看着很不爽，这个脚本可以真正删除水下粒子，比豆芽兵那个脚本好，他那个不支持realflow2013，2014

粒子群算法的Python实现。除此之外，还有这些算法的集合：差分进化算法、遗传算法、粒子群算法、模拟退火算法、蚁群算法、免疫优化算法、鱼群算法

传统的粒子滤波算法在重采样期间丢弃小重量粒子,因此重要性权重落在极少数粒子上。这会导致采样粒子贫化、粒子多样性缺失以及需要大量粒子才能进行比较准确的状态估计等问题,针对这些问题,提出了一种改进的蝶式算法优化粒子滤波算法。首先,将最新时刻观测信息引入蝴蝶香味公式中,以提高滤波精度;其次,引入吸引半径参数来控制蝴蝶种群寻优的搜索范围,降低算法的复杂度,进而提高算法的实时性;最后,将改进的蝴蝶种群位置更新公式用于优化迭代更新。实验结果表明,与经典粒子滤波器和现有蝶形优化算法相比,改进算法具有更低的均方误差和运行时间。并且在粒子数较少的情况下,可以实现更准确的状态估计,并改善传统滤波器的粒子耗尽现象,保证了粒子多样性。