该文件采用粒子滤波跟踪的方法对运动目标进行跟踪，该文件中含有一个原始视频，运行目标跟踪文件后，可以对视频图像中的目标进行跟踪，跟踪后将跟踪结果以视频文件的格式存储，同时该文件中还有将视频文件转化为图片的MATLAB程序，MOV2PIC,运行该程序可以将任意视频文件转化为每一帧图片，对于研究目标跟踪的同志有借鉴作用。

所谓粒子滤波就是指：通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程，这些样本被形象的称为“粒子”，故而叫粒子滤波。

带时间窗的粒子群算法求解车辆路径优化问题。

matlab优化算法代码，混沌序列优化优化粒子群算法，蚁狮优化算法，附带详细解释，非常适合新手学习理解

论文程序，采用粒子群算法对声场的搜索策略进行优化，解决传统波束形成中遍历搜索耗时的问题，论文原文可以查看https://www.researchgate.net/profile/Weilei_Mu/publications

利用非线性冲击动力学软件LS-DYNA,采用光滑粒子流体动力学(SPH)耦合有限元单元(FEM)方法,模拟了高压水射流微观破煤过程。根据模拟结果,红岭煤矿二1煤层水力扩孔最佳喷嘴直径为2.0~2.5 mm,临界破煤压力为10 MPa,最佳破煤压力为20~22 MPa。

这是一个关于多目标粒子群算法，很有用，代码通用性强

使用于电力系统分析、最优潮流计算

旅游客流量受多种因素影响，传统的时间序列预测模型无法描述预测对象的规律，人工智能方法如BP神经网络，其结构的选择过多依赖经验，基于此提出了利用改进的粒子群算法优化BP神经网络，通过惯性因子的非线性递减来改善粒子群的寻优性能。将该预测模型应用于自贡灯会的客流量进行实际预测分析，通过对150组训练样本和50组测试样本的实验仿真，可知改进后的方法提高了预测结果的准确度，并且涉及参数少、简单有效。

针对粒子滤波算法存在的粒子退化现象和重要性密度函数难以选取等问题，在研究交互式多模型滤波算法的基础上，设计一种基于随机加权自适应IMMUPF算法。首先，该算法在无迹粒子滤波的采样过程中融合了随机加权和交互式多模型滤波的优点，利用无迹卡尔曼滤波算法得到[k]时刻各模型估计最新量测信息的粒子；然后，对该组粒子进行输入交互作为各模型的输入，再经过模型匹配、重采样以及模型概率更新过程；最后，对各模型相对应的粒子进行输出交互，得到所有粒子的随机加权自适应和的表达式，循环更新粒子实现状态估计。将设计的算法应用于GPS/DR组合导航系统中进行仿真计算，结果表明，该算法计算得到的位置误差较UPF和IMMUPF有所减少，东向位置误差控制在[-8 m,+6 m]，北向位置误差控制在[-8 m,+8 m]，提高了GPS/DR组合导航系统定位的解算精度。