基于粒子群PSO优化算法的ELM网络,并对比优化后的EML的预测性能+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。

提供一个自用的粒子群算法和例子，希望能有所帮助。粒子群优化算法（Partical Swarm Optimization PSO），粒子群中的每一个粒子都代表一个问题的可能解，通过粒子个体的简单行为，群体内的信息交互实现问题求解的智能性。由于PSO操作简单、收敛速度快，因此在函数优化、 图像处理、大地测量等众多领域都得到了广泛的应用。 随着应用范围的扩大，PSO算法存在早熟收敛、维数灾难、易于陷入局部极值等问题需要解决，主要有以下几种发展方向。

目标函数为 function fit=fitness1(x) fit=1-exp(-(x(1)-1)^2-(x(2)+1)^2); 和 function fit=fitness2(x) fit=1-exp(-(x(1)+1)^2-(x(2)-1)^2); 程序运行的时候会出现速度最后非常非常小，所有粒子全聚集到一起 约束问题如何解决 每个粒子的最优解，是不是需要约束的限制 整个粒子的最优解是不是也需要约束的限制 粒子过分集中，如何将粒子打散

matlab实现粒子群算法PSO优化RBF网络，代码有注释。可以完美运行。

详细介绍了粒子群优化算法算法的由来、基本思想、特点及应用，对于初学者来说很容易入门

带收缩因子的PSO优化算法 c1 = 2; % 学习因子1 ，一般在[0,2] c2 = 2; % 学习因子2 ，一般在[0,2] % c1 = 2.04344; %学习因子1 ，一般在[0,2] % c2 = 0.94874; %学习因子2 ，一般在[0,2] k1 = 0.7298; % 收缩因子 Dimension = 2; % 搜索空间维数（未知数个数） Popsize = 20; % 初始化群体个体数目 MaxDT = 100; % 最大迭代次数 DivH = 0.25; % 最大多样性系数 DivL = 0.0005; % 最小多样性系数

"pso优化算法" matlab语言实现 含英文论文和代码

用PSO算法优化Schaffer's f6函数，该函数的全局最小值为y=0，而最优解为（0,0）。

matlab语言编写的PSO算法代码，和改进措施

为了更好地改善多目标粒子群优化算法的收敛性和多样性的pso 算法