自适应广义预测控制算法MATLAB程序，控制对象为时滞惯性环节，系统模型参数采用PSO算法进行在线辨识，再采用GPC算法进行控制。 程序中有普通GPC算法和PSO-GPC算法性能的仿真对比。

背包问题PSO（粒子群算法，Particle Swarm Optimization）基本算法代码，仅供参考

粒子群算法在机械零部件可靠性优化设计的应用rar,粒子群算法; 机械零部件; 可靠性; 优化设计;

针对已有神经网络功放建模的建模精度不高,易陷入局部极值等问题,提出一种新的改进并行粒子群算法(Improved Parallel Particle Swarm Optimization,IPPSO)。该算法在并行粒子群算法的基础上引入自适应变异操作,防止陷入局部最优;在微粒的速度项中加入整体微粒群的全局最优位置,动态调节学习因子与线性递减惯性权重,加快微粒收敛。将该改进算法用于优化RBF神经网络参数,并用优化的网络对非线性功放进行建模仿真。结果表明,该算法能有效减小建模误差,且均方根误差提高19.08%,进一步提高了神经网络功放建模精度。

matlab代码粒子群算法基于运动的校准 Matlab方法结合运动结构和Levinson方法校准Velodyne相机系统 除了我们自己的方法外，这些脚本还使用以下代码： ICP- 另一个粒子群工具箱- Kabsch算法的实现-

MATLAB实现PSO-SVM粒子群算法优化支持向量机多特征分类预测（完整源码和数据） 数据为多特征分类数据，输入15个特征，分四类,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。 运行环境MATLAB2018b及以上。

基于MATLAB编程，利用PSO寻找函数全局最优（可自行扩展）； 代码注释多，简化强，仅一重循环，便于理解PSO算法编程

粒子群的定义、发展以及其应用，详细描述了粒子群算法的流程对初学者是一个极好的资料

粒子群算法的PPT讲解，以及如果对粒子群算法进行改进的方法。

f(1)=2*x(1)^2-3*x(2)^2-4*x(1)+5*x(2)+x(3) 粒子群算法和遗传算法思想都很接近，都是一个通过对比去寻找最优解的过程，基于粒子群算法求最大最小值matlab代码，包含matlab源代码和报告，可直接运行出结果。 有一群鸟去寻找食物，其目的在于找到食物最多的地方，然后再大家一起去那里定居，但是每只鸟都会找到自己认为食物最多的地方，这个就叫做局部最优；为了防止陷入局部最优，所以大家定期会聚集在一起讨论，并进行食物量多少的比较，最终找到食物最多的地方，便是全局最优解。