基于混沌的粒子群优化算法研究与进展

基于粒子群的MATLAB优化程序，主要是简单的优化程序

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。

粒子群算法优化PID系数-粒子群算法优化PID系数.rar本帖最后由lanyichen于2017-6-2918:21编辑特点：1.注释清晰，便于中学生及本科生理解2.采用并行计算，可加快计算速度QQ截

为克服粒子群优化算法早熟收敛，提出一种基于子群变异的改进粒子群优化算法（SsMPSO）。该算法提出一种具有随机定向振荡式搜索的子群对主群的全局最优位置进行变异，改变了完全随机的变异方式，为算法提供局部

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（ParticalSwarmOptimizationPSO），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

提出了一种改进的混沌粒子群优化混合算法.该算法利用信息交换机制将两组种群分别用差分进化算法和粒子群算法进行协同进化，并且将混沌变异操作引入其中，加强算法的局部搜索能力.通过对3个标准函数进行测试，仿真

为了克服基本粒子群算法易陷入局部最优值和后期收敛速度慢的不足，提出一种基于云模型的自适应粒子群算法。该算法首先采用混沌优化策略对粒子群进行初始化，增加粒子取值的多样性；其次根据粒子的适应度值将种群中的

基于粒子群算法的细菌觅食全局优化算法，刘小龙，李荣钧，针对细菌觅食算法在优化过程中，环境感知能力较弱且容易陷入局部极值的缺陷，将粒子群算法的基本思想引入细菌觅食算法中，改进原