Matlab研究室上传的视频均有对应的完整代码，皆可运行，亲测可用，适合小白； 1、代码压缩包内容 主函数：main.m； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开main.m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描视频QQ名片； 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作

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。

针对云计算中无法合理分配资源的问题,提出了采用改进的粒子群算法对其进行分配。由于粒子群算法存在局部收敛速度快,容易陷入局部最优解的情况,从粒子的选择、参数调整和预防过早收敛三个方面进行改进: (1)选择粒子的时候采用适应值最小的粒子,并根据约束函数淘汰不合格的粒子;(2)对惯性因子、个体最优因子和全局最优因子进行改进;(3)通过设定系数来防止算法过早收敛。仿真说明,将改进后的算法运用在云计算方面,在云计算的资源失效、云端用户完成时间和云计算环境下的能量消耗三个方面都优于粒子群算法。

配电网重构是指在满足配电网运行基本约束的前提下，通过改变配电网中一个或多个开关的状态对配电网中一个或多个指标进行优化。 本代码以一种改进二进制粒子群算法为例，进行配电网的重构研究。本代码目标函数为配电网有功网损最小，可自行修改为其他函数。 传统二进制粒子群算法容易陷入局部最优。针对这一问题，本代码从两个方面进行改进：1.初始化和更新粒子时考虑配电网拓扑约束以缩小粒子搜索范围，增强算法收敛能力；2.加入变异的机制。 采用IEEE33节点系统作为算例，算法运行时重构过程通过动画进行动态显示；运行结束后输出重构前后系统节点电压的对比曲线图。

用java语言写的改进PSO粒子群算法-improved-PSO算法，可以直接运行

针对红外气体传感器测量精度受环境温度影响较大的问题，提出了一种基于嵌入自适应Levy变异免疫粒子群-最小二乘支持向量机（ALIPSO-LSSVM）的温度补偿算法。ALIPSO算法引入Levy flight对子代粒子进行自适应变异，确保粒子多样性，并在每次迭代之前，采用相对基学习方法初始化粒子群，提高算法的收敛速度。通过5个基准测试函数对ALIPSO算法进行性能评价，仿真结果表明该算法收敛速度较快、精度高，且具有较强的全局搜索能力。利用ALIPSO算法对LS-SVM的参数进行优化，并将该混合算法应用于红外气体传感器温度补偿，数值仿真结果表明采用该算法可将补偿结果的相对误差控制在6%范围内。

改进版粒子群算法（PSO），内有视频以及计算过程展示。

自己改进的粒子群算法，带有时间飞行因子T

将改进的多粒子群算法应用于电力系统无功优化问题的求解,克服了传统粒子群算法收敛 精度不高、易陷入局部最优的缺点.该优化方法对原粒子群算法进行了如下改进:通过增强粒子群 间的协同作用、引入惯性因子以及扰动的策略,来平衡集中强化搜索和分散多样化搜索过程.对 IEEE 6节点和IEEE 30节点系统分别进行无功优化计算,并与传统粒子群算法进行了比较,结果 表明,该算法求得的有功损耗较原状态降低了近1/5,且电压合格率为100%,具有较强的全局搜索 能力和较高的收敛精度,是求解无功优化的有效方法.

改进的的粒子群算法，在原来的基础上进行了改进，适合进一步提高