pso优化自抗扰 粒子群(PSO)和MATLAB程序

PSO工具箱简介 PSOt为PSO的工具箱，该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。 与遗传算法相比，PSO仅需要调整少数

基于MatlaB的PSO工具箱，非常实用。

psoToolbox 提供了一个基于交互式 GUI 的工具箱，以使用粒子群优化解决优化问题。 在 M 文件中创建适应度函数。 输入： Function : 适应度函数的函数句柄。 Nvars ：要优化的变量数。 LB : Nvars 的下限 (1 X Nvars) UB : Nvars 的上限（1 X Nvars） 参数： C1 : 认知吸引C2 : 社交吸引力W：惯性人口规模：群体数量Max Iterations ：最大时期数。 点击“RUN PSO”按钮开始PSO搜索。 你会得到输出在轴下方的编辑框中。 要解决命令提示符下的问题，请使用“pso.m”。

matlab pso工具箱，里面有具体使用说明，操作方便

一个pso工具箱，放在matlab里面用的

PSO粒子群算法，用于求解最优化问题.里面包含了pso工具箱的使用介绍以及一些例子。

内有工具箱，代码，报告。 1、掌握 PSO 工具箱的常用命令。 2、利用 Matlab 实现粒子群算法求解函数优化问题。 3、分析算法中各种参数变化对计算结果的影响。 1、打印程序清单。 2、绘制每代个体适应度值变化图，记录算法的最优解。 3、分析惯性权重的变换对求解性能的影响。 4、简要回答思考题。

PSOt_PSO工具箱

MATLAB的PSO工具箱、好用的。