该资源使用matlab编写的有约束条件的粒子群算法，其中的代码对于解决一些约束问题可能会有很大的帮助，也可以为一些人提供一些想法与思路

9性预测模型$ 从多方面分析影响供电可靠性的指标!利用主成分分析得到综合变量!实现对数据的降维$ 在此基础上!构建人工神经网络并利用粒子群算法优化极限学习机的输入权值和阈值!完成对训练供电可靠性预测模型的训练$ 以某大型电网的 ?L 个供电局样本 !% 种影响供电可靠性因素为例进行仿真分析!并将 E S R C E FQ C 4 G D算法与 ! 种回归拟合算法对比!验证了该方法的有效性

粒子群算法优化vmd算法，极大提高算法的精确性和运行速度

基于PSO优化的径向基神经网络matlab程序，有注释，附带论文对原理进行说明，适合小白。

SVM使用的是lib-svm工具箱，LIBSVM 是台湾大学林智仁(Lin Chih-Jen)副教授等开发设计的一个简单、易于使用和快速有效的 SVM 模式识别与回归的软件包，它不仅提供了编译好的可在 Windows 系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用； 该软件还有一个特点，就是对 SVM 所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数就可以解决很多问题；并且提供了交互检验(Cross-SVM回归等问题，包括基于一对一算法的多类模式识别问题。

基于PSO优化BP神经网络的水质预测研究，高峰，冯民权，为快速准确预测河流水质，本文结合汾河实际监测数据，使用粒子群算法优化BP神经网络模型(PSO-BP)进行水质预测研究。通过灰色关联度�

第九届MathourCupD题基于 DRA-PSO 优化的钢水脱氧合金化深度探究，

第九届MathourCupD题基于 DRA-PSO 优化的钢水脱氧合金化深度探究.pdf-PPT

针对于BP神经网络预测模型，收敛速度慢，精度较低，容易陷入局部极小值等缺点，提出了一种改进粒子群优化BP神经网络预测模型的算法。在该算法中，粒子群采用改进自适应惯性权重和改进自适应加速因子优化BP神经网络预测模型的初始权值和阈值，然后训练BP神经网络预测模型并预测。将该算法应用到几个典型的混沌时间序列预测。实验结果表明，该算法明显提高BP神经网络预测模型的收敛速度和预测模型的精度，减少陷入局部极小的可能。

论文以温室内外的气象数据为输入量， 以温室内温湿度等气象因子为输出量， 使用改进 ＰＳＯ 算法优化的 ＲＢＦ 神经网络构建温室内环境温湿度的预测模型。通过实验对预测模型进行仿真测试与性能评估， 验证该方法的可行性和有效 性。该模型数据获取方便、 所需参数少、 模拟精度高， 为温室内极端温度的预测、 调控和管理优化提供了科学依据