以提高预测软件老化趋势为应用背景，提出一种新型粒子群退火算法（New Particle Swarm Annealing Algorithm，NPSOSA）优化BP神经网络的权值和阈值，继而构建NPSOSA-BP神经网络预测模型.实验通过搭建软件老化测试平台，收集所需的老化数据并进行仿真训练.实验结果表明，NPSOSA-BP神经网络模型相比于传统粒子群算法（PSO）、传统粒子群退火算法（PSOSA）优化的BP神经网络模型提高了预测精度和适用度，在该应用领域验证了本文方法的有效性.

matlab源码

matlab代码粒子群算法鲁棒粒子群优化RPSO 这是国防科学技术大学数学与系统科学系的博士生罗强写的一种用于RPSO的简单Matlab算法。 它对任何学术用户都是免费的，但是请注意，不能保证没有错误。 热烈欢迎对这种算法的理论或应用进行任何讨论。 如果您使用此代码，请引用以下文章： 罗强东怡鲁棒粒子群优化的共同发展框架。 应用数学与计算，2008，199（2）：611-622。 如何使用？ 核心算法在PSOed200.m中编码，从而最大程度地减少了给定的目标函数。 在此程序中已开发了四个算法（SPSO，LPSO，FPSP，RPSO），可以通过指定不同的AlgPara来调用。 myFun.m中已实现了许多目标功能。 如果要在程序中包含自己的目标函数，请简单地尝试将函数的代码添加到myFun.m中，作为“开关”的另一个“例”。 主要算法在runPSO.m中，其中显示了如何调用PSOed200的函数。 只需使用不同的参数调用PSOed200.m。 对应的电子邮件：

案例26 粒子群算法的寻优算法-非线性函数极值寻优

matlab源码

以正向运动学方程为基础，冗余机械臂逆运动学解问题转换为等效最小值问题，提出一种自适应粒子群算法求解该问题。为了保持粒子群的活力，在算法内引入弹射操作。如果粒子满足设定自适应判别函数，粒子将按概率被从当前位置发射到较远区域。为了配合弹射操作，提出一种新的粒子优劣的判断机制，使得粒子可以被弹射飞出可行域。数值实验表明，算法具有较强的全局搜索能力和较快的搜索速度，是求解冗余机械臂逆运动学解的一种有效方法。

智能优化算法： 粒子群优化算法（PSO）应用于神经网络优化程序。分为无隐含层、一隐含层、二隐含层。运行DemoTrainPSO.m即可

投影寻踪聚类分析是根据设计的投影指标函数，并在相关约束条件下进行问题优化分析的过程.给出了用于求解投影指标函数的粒子群算法，并将构造的模型应用于森林承载力评价.仿真实验结果表明：与基于遗传算法优化的模型比较，基于粒子群优化的模型简单、容易实现并且没有许多参数需要调整；在应用上，基于粒子群优化的模型可获得更优的解，并可预计模型在森林承载力评价中具有重要的应用价值.

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。

matlab代码粒子群算法MLP优化器 这是一个简单的Matlab代码，用于使用不同的优化算法训练多层感知器（MLP）网络。 Availale优化器： 多诗词优化器（MVO） 粒子群优化（PSO） 遗传算法（GA） 基于生物地理的优化（BBO）