说明：PSO初始化为一群随机粒子(随机解)。然后通过迭代找到最优解。在每一次的迭代中，粒子通过跟踪两个“极值”(pbest，gbest)来更新自己，寻找最优值。

说明：人们在决策过程中常常会综合两种重要的信息：第一种是他们自己的经验，第二种是其他人的经验。 同样的道理，群鸟在觅食过程中，每只鸟的初始状态都是出于随机位置，且飞翔的方向也是随机的。但是随着时间的推移这些初始处于随机位置的鸟类通过群内相互学习、信息共享和个体不断积累觅食的经验，自发组织积聚成一个群落。每只鸟能够记住自己找到的最好的位置，称之为局部最优。此外，还能够记住群鸟中所有个体索恩能够找到的最好位置，称为全局最优，整个鸟群的觅食中心都是去向全局最优移动的，这在生物学中称为“同步效应”。

说明：33节点的配电网，粒子群算法，经济调度，包含储能。

说明：pso优化程序，程序可以直接运行，自己写的优化程序

说明：利用PSO粒子群算法对二元函数的极值点进行寻找

说明：optimisation d'un milieu de culture par machine learning ANFIS GA PSO

说明：PSO粒子群算法matlab实例，用于 寻找函数的最大值

说明：粒子群优化–最小二乘支持向量机算法 在高压断路器机械故障诊断中的应用

说明：粒子群优化算法，旅行商问题，采用整数编码进行求解运行

说明：pso算法的程序，仅供参考，若有错误请指出，会及时改正

说明：pso算法最优化计算区域覆盖问题节点基站电信

说明：基于细菌觅食算法的MPPT算法，可以用来做课设，方便实用！

说明：用BP神经网络做风能预测，其中使用了PSO优化BPNN的初始权值和阈值，代码不错，可以套用其他算法。

说明：Newton Raphson optimization optimal power flow method in the electrical power system analsysis

说明：使用遗传与PSO算法结合解决车间调度问题

说明：PSO优化粒子群,改进灰色预测的参数部分

说明：matlab解决PSO算法实现一元函数最小值问题

说明：matlab实现PSO算法解决二元函数最小值问题

说明：PSO从这种模型中得到启示并用于解决优化问题。PSO中，每个优化问题的解都是搜索空间中的一只鸟。我们称之为“粒子”。所有的粒子都有一个由被优化的函数决定的适应值(fitnessvalue)，每个粒子还有一个速度决定他们飞翔的方向和距离。然后粒子们就追随当前的最优粒子在解空间中搜索。

说明：单目标粒子群优化算法的主程序，这是一个案例，可以参考

说明：粒子群优化算法及其改进的算法，种类很多且齐全，具有很大的参考价值。

说明：i)初始化一群微粒（群体规模为m），包括随机的位置和速度； ??ii)评价每个微粒的适应度； ??iii)对每个微粒，将它的适应值和它经历过的最好位置pbest的作比较，如果较好，则将其作为当前的最好位置pbest； ??iv)对每个微粒，将它的适应值和全局所经历最好位置gbest的作比较，如果较好，则重新设置gbest的索引号； ??v)变化微粒的速度和位置； ??vi)如未达到结束条件（通常为足够好的适应值或达到一个预设最大代数Gmax），回到ii）。

说明：使用pso智能优化算法进行水务调度，程序使用matlab编程

说明：粒子群优化算法(Particle Swarm optimization,PSO)又翻译为粒子群算法、微粒群算法、或微粒群优化算法。是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法。通常认为它是群集智能 (Swarm intelligence, SI) 的一种。它可以被纳入多主体优化系统(Multiagent Optimization System, MAOS)。粒子群优化算法是由Eberhart博士和kennedy博士发明。

说明：该程序可以实现利用粒子群算法对K-MEANS算法进行优化

说明：利用改进的PSO算法对kmeans算子进行聚类，优化了步骤

说明：基于粒子群算法的交通路径研究matlab源程序

说明：SOLID WORK GUIDE GOOD qua hay

说明：一种改进型的matlab pso算法 较普通PSO提升明显

说明：提高性能优化,对数据研究具有深远的影响，希望能帮助大家