粒子群优化算法的研究及其应用

粒子群优化算法的简单例子，实现对非线性函数的极值寻优

本ZIP文件中包括粒子群优化算法的matlab实现代码，另外提供了机遇PSO算法的图像聚类code。粒子群优化算法作为群智能优化算法领域的经典、重要算法，由于算法的高效性，应经在全局优化领域占有重要地

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。

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

提出一种基于适应度方差的权重梯度方向变异的改进粒子群优化算法(IPSO), 通过判断适应度方差, 按照权重梯度方向进行变异操作,解决了IPSO算法的早熟收敛和易于陷入局部极值的问题.应用IPSO算法对

五. 计算举例2 简单分析 Rosenbrock是一个著名的测试函数也叫香蕉函数其特点是该函数虽然是单峰函数在[100100]n上只有一个全局极小点但它在全局极小点临近的狭长区域内取值变化极为缓慢常用

附件介绍了两种混合智能算法，粒子群算法-遗传算法可以保证在算法全局搜索能力的基础上提高收敛速度。

粒子群算法简介优缺点及其应用 2020-10-25 2 粒子群算法的研究背景 粒子群算法(Particle Swarm Optimization简称PSO)是一种基于群体智能的进化计算方法PSO由Ke

粒子群算法及其工业应用-钱锋著-整本书籍的扫描件。

螺旋粒子群优化算法的研究简报，滕弘飞，张英男，本文提出了一种螺旋粒子群优化（SPSO）算法。传统PSO算法的搜索路径，对于全局版PSO，以一只鸟（粒子i）的飞行来比喻，其空间的飞行