说明：基本粒子群算法，来源于网络，不是本作，参数设置，适应度函数，迭代图

说明：利用蚁群算法混合粒子群算法求解旅行商问题，收敛快，精度高

说明：粒子群算法的通用程序，该程序只需修改部分即可实现较为完整的算法运算

说明：它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。粒子群算法是一种并行算法。

说明：粒子群算法，也称粒子群优化算法或鸟群觅食算法（Particle Swarm Optimization），缩写为 PSO， 是由J. Kennedy和R. C. Eberhart等开发的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。粒子群算法是一种并行算法。

说明：主要包括网络搜索法、遗传算法和粒子群算法等优化支持向量机参数的文章，介绍详细。

说明：粒子群算法,强引导粒子群与混沌优化的电力系统无功优化

说明：传统粒子群算法优化BP神经网络的权值和阈值，未做改进

说明：粒子群优化算法，可用于多目标优化，作用于各种方程。

说明：python源码，里面包含粒子群算法的所有步骤和过程，可用于论文写作

说明：python源码，里面包含粒子群算法的所有步骤和过程，请认真阅读

说明：粒子群算法（PSO）正是从生物群体行为中得到启发，将优化问题的每一个可行解看作一个“粒子＂，用速度、位置、适应度三个指标表征该粒子的基本特性，基于PSO算法可以快速搜索最优解。下面是PSO算法和适应度函数，已调试，可以搜索最优解。

说明：一个flow shop程序，运用粒子群算法，可测试用

说明：通过粒子群优化算法，通过栅格法实现移动机器人路径规划

说明：粒子群算法是模拟鸟群蜂群的觅食行为的一种算法。 基本思想是通过群体中个体之间的协作和信息共享来寻找最优解。 函数的极值用遗传算法来解，主要分成五步 ① 初始化位置 ② 计算每只鸟的适应度 ③ 找到每只鸟自己的极值，以及整个鸟群的极值 ④ 计算位置变化量，改变位置 ⑤ 重复步骤 2~4 一个较大的次数使得它趋于稳定

说明：粒子群算法的MATLAB程序与多种算例，文献

说明：用matlab对疏散问题以粒子群算法进行模拟

说明：多维空间的粒子群计算 粒子群算法的思想源于对鸟/鱼群捕食行为的研究，模拟鸟集群飞行觅食的行为，鸟之间通过集体的协作使群体达到最优目的，是一种基于Swarm Intelligence的优化方法。它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。粒子群算法与其他现代优化方法相比的一个明显特色就是所需要调整的参数很少、简单易行，收敛速度快，已成为现代优化方法领域研究的热点。

说明：粒子群算法优化RBF网络，有相关解释，matlab源码！可以跑通

说明：近红外光谱(NIRS)是一种间接分析技术,其应用需建立相应的校正模型。为了提高模型的解释能力、预测准确度和建模效率,需要对NIRS 进行波长选择,优选最小化冗余信息。选用蚁群优化(ACO)、遗传优化(GA)、粒子群优化(PSO)、随机青蛙(RF)和模拟退火(SA)5 种智能优化算法对烟叶总氮和烟碱近红外光谱数据进行特征波长选择,结合偏最小二乘(PLS)算法,构建了多个烟叶总氮和烟碱的校正模型,

说明：粒子群算法求函数最优解粒子群算法求最优解。

说明：对于6台常规机组，单目标为调度的成本最低，采用粒子群算法

说明：智能微电网粒子群算法进行优化调度，减少成本

说明：粒子群算法简介，PSO，matlab，程序

说明：经过优化的粒子群算法的MATLAB程序，下载即可使用

说明：多目标粒子群算法，基本的多目标粒子群优化算法

说明：二维的粒子群算法，可以帮助读者更好地理解PSO算法

说明：matlab 遗传算法 粒子群算法

说明：基于支持向量机负荷功率预测，使用粒子群算法进行参数寻优，供参考

说明：粒子群算法，帮助初学者生动理解粒子群的功能和实现过程。