求解约束优化问题的改进粒子群优化算法

粒子群算法优化PID参数，PSO，参数整定

该程序是基于java平台开发的粒子群优化算法的实现,本程序通过多次迭代的方法,最终收敛到一个准确的值。本程序以最优的方法实现粒子群优化算法。

CUDA平台加速粒子群优化算法（pso），自己实现，结构清晰，加速比可达到10倍左右，适合初学者，因为还有一定的优化空间。

粒子群算法的基本介绍,以及目前研究的现状了,并且介绍了算法改进的方向。

改进粒子群算法求解TSP问题，盛景军，王勇，在运用粒子群算法求解TSP问题时，针对粒子迭代、速度不能简单地采用连续量的运算法则进行计算的特点，通过构造插入因子，定义插入

粒子群优化算法(PSO)是一种进化计算技术(evolutionarycomputation)，有Eberhart博士和kennedy博士发明。源于对鸟群捕食的行为研究PSO同遗传算法类似，是一种基于叠

该文档描述了传统的粒子群算法的发展过程和小生境技术的发展,也例举出了已有的优化算法的流程

详细介绍了粒子群的算法的流程，背景，及一些程序

一种求解约束优化问题的差分进化算法，刘若辰，李勇，基于差分进化算法的相关理论以及随机排序约束处理方法，本文提出了一种新的基于差分进化算法来解决约束优化问题。该算法对种群的

群体多样性的丧失是导致粒子群优化(PSO) 出现早期收敛的重要原因, 鉴于此, 对PSO 运动方程进行概率 特性分析, 指出了方程中学习参数的概率分布及参数间的相依性与群体多样性丧失之间的关系, 并提