利用matlab写了粒子群优化算法的一个脚本文件，每行代码都有详细注释，可以根据代码内容自行修改，实现自己需要的功能

在考虑物流网络宏观决策部门和客户双方利益的基础上,建立物流配送中心双层规划的选址模型.此类问题大多属于非凸优化问题,现有的求解算法存在算法复杂度及计算效率问题.基于进化博弈及多目标优化非支配排序的思想设计层次粒子群算法,通过两个粒子群算法的交互迭代求解物流配送中心双层规划选址问题.通过测试算例验证算法的有效性.

建立了储能的成本模型，包含运行维护成本以及容量配置成本，然后以该成本函数最小为目标函数，经过粒子群算法求解出其最优运行计划，并通过其运行计划最终确定储能容量配置的大小，求解采用的是PSO算法（粒子群算法），求解效果极佳；仿真平台：MATLAB 平台采用粒子群实现求解

带交叉因子的粒子群优化算法matlab源程序，有代码注释，比较容易理解！

粒子群优化算法的核心思想是每个粒子根据自己和周围粒子的“信息共享”寻优，达到全空间搜索最优解的目的。收敛速度快，全局寻优能力强。针对基本粒子群算法寻优精度较低，结果易发散的缺点，提出了一种参数自适应调整和边界条件约束的粒子群算法，惯性权重，学习因子随着迭代过程线性递加或递减，从而在算法初期个体能搜索整个空间，后期能够朝着全局最优值收敛而找到全局最优值。同时设置粒子边界条件约束，保证算法寻优解的准确性。理论分析和数值仿真结果表明了所设计方法的高效性，在保证算法效率的前提下，有效地提高了算法的寻优精度。

PTVResearch 是最先进的粒子跟踪测速软件，它基于光流方程的 Lucas-Kanade 解。 该软件使用表面特征来确定固体和流体流动的速度场，适用于广泛的应用，包括：河流河流流动、密集颗粒流动和高保真流体力学流动。 PTVResearch 不仅计算高分辨率的欧拉和拉格朗日速度数据，而且还结合了先进的预处理和后处理工具。 基于 MatLab 的图形用户界面作为工具箱直接安装，无需任何专业知识即可使用。

针对惯性权重改进策略大多采用同代粒子使用相同权重,忽略了粒子本身特点以及不同维上的有效信息,提出一种基于不同粒子不同维的动态自适应惯性权重粒子群算法(AWPSO)。在该算法中利用矢量运算分析粒子进化公式,用一种新的方法构造惯性权重公式,使惯性权重随不同代不同粒子不同维动态改变,加快粒子收敛速度和全局搜索能力。通过对7个典型测试函数的测试结果表明,AWPSO在收敛速度,收敛精度,全局搜索能力方面比线性惯性权重粒子群算法(LDIWPSO)均有不同程度上的提高。

matlab代码粒子群算法WRM的手稿中的代码 “用于串联水库优化配水的分解和动态规划聚合方法”中的代码 分解和动态规划聚合方法的代码，遗传算法和粒子群优化算法的代码可在“算法代码”目录中找到。 在本文中，图1至图3是在Adobe Photoshop中手动制作的。 图4是在Matlab中制作的，其代码可以在“图代码”目录中找到。 可以在“求解结果”目录中找到详细的结果，包括使用不同方法获得的系统的操作过程以及使用算法参数的不同设置来求解GA或PSO的结果。

unity5.6 vs 2018粒子系统区别，详细介绍了两个版本的粒子系统区别

混沌粒子群算法的改进，多目标优化的例子，EI论文