改进粒子群算法(PSO)

粒子群算法的理论基础是以单一粒子来做为鸟类族群之中的单一个体，于算法中赋予该粒子（个体）拥有记忆性，并能够透过与粒子群体中的其他粒子之间的互动而寻求到最适解。本资源是粒子群算法代码（matlab）

本课题是在BP神经网络温度预测的基础上进行优化,加入PSO算法,结果中R^2、MSE等参量明显比BP神经网络单独预测效果好的许多。

PSO算法改进，网上有很多PSO算法，这是最新的

粒子群优化算法是在对鸟群捕食行为模拟的基础上提出的一种群集智能算法，是进化计算领域中一个新的分支。它的主要特点是原理简单、参数少、收敛速度较快、易于实现。因此，该算法一提出就吸引了的广泛关注，逐

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。

详细的改进粒子群算法 不懂的指令有注释 已经测试过可用

粒子群优化算法的研究与改进！用CAJViewer打开！

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