基于改进粒子群算法的矿车调度系统设计

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

粒子群算法与神经网络的结合，加快神经网络的训练时间，避免陷入局部极值

对求解含线性约束优化问题的粒子群算法（LPSO）进行了改进，给出了应用其训练支持向量机（SVM）的方法。改进后的算法在基本PSO惯性权重策略的基础上加入了基于种群收敛速度的自适应扰动，能够较好地调整算

基于一种改进粒子群算法的SVM参数选取,主要介绍一种新的优化算法

微电网的运行优化对其发展有着重要意义,通常是通过优化其可靠性与经济性来实现这一目标。本文提出了并网模式下考虑经济性、可靠性的微电网多目标优化调度模型,为了有效地解决所提出的模型,利用改进的随机漂移粒子

利用粒子群算法对基于IEEE30节点的六机电力系统的最优潮流调度模型进行优化。考虑功率平衡、机组爬坡约束和出力限制约束，通过粒子群算法求解得到六个机组的最优运行计划，以达到系统的最优运行成本。

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

多车场多车型车辆调度问题优化是物流配送中的典型NP难解问题，针对传统的粒子群算法存在收敛速度慢，易早熟收敛等问题，提出了一种改进的粒子群优化算法。该算法对种群中的粒子采用一定的概率进行柯西变异，使算法

改进的粒子群算法用线性递减权重例子群优化算法求解无约束优化问题

该脚本实现了PSO和GWO优化算法的混合。不仅包含matlab源代码，还有PSO-GWO和GWO的matlab运行结果对比图。