多峰值函数优化的改进粒子群算法

一本关于最新的粒子群方面的文章集，里面包括了一些对粒子群的改进和新的应用，较好的反应了粒子群的研究现状！

对粒子群算法的代码进行编写，简单介绍了算法的每步代码的意思

粒子群算法是求解函数优化问题的一种新的进化算法，然而它在求解高维函数时容易陷入局部最优; 为了克服这个缺点，提出了一种新的粒子群算法，算法对粒子的速度和位置更新公式进行了改进，使粒子在其最优位置的基础

简述粒子群算法的原理及改进经典的算法，值得学习必须点赞

提出了一种基于改进的粒子群算法的聚类方法该算法是将局部搜索能力强的均值算法和基于遗传算法的交叉变异P操作同时结合到粒子群算法中既提高了粒子群算法的局部搜索能力加快了收敛速度，同时因为加入了交叉变异操作

为了提高粒子群优化算法的性能，提出了一种带最优变异的改进粒子群优化算法。该算法的惯性权值满足不同粒子对全局和局部搜索能力的不同需求，每次迭代后根据适应度值会作相应的调整，在搜索过程中所引入的变异算子将

该代码是经过改进后的粒子群算法代码，亲自测试了，可用。

针对传统的模糊C-均值聚类算法对初始聚类中心较敏感、易陷入局部最优的缺点,将粒子群优化算法和FCM算法相结合,提出一种改进的模糊聚类算法。该算法利用粒子群算法的全局搜索能力代替FCM算法寻找初始聚类中

为了提高基本PSO算法搜索性能和个体寻优能力，加快收敛速度，提出一种新的云自适应粒子群优化算法（CPSO）。此算法利用云滴具有随机性、稳定倾向性等特点,结合不同粒子与全局最优点的距离动态变化的性质，提

Optimization of Three-dimensional Warehouse Location Allocation Based on Improved Particle Swarm Opt