说明：粒子群(PSO)路径规划。这个是一个局部路径规划，用了深度优先搜索算法，可以走出“陷阱”。

matlab深度优先 Pathplanning 局部规划-MATLAB pso路径 路径

说明：简单的PSO算法例程，基于多个测试函数。粒子群优化算法通过选择合适的游程员百分比来优化具有多个局部极小值的多峰函数。在这种情况下，搜索代理具有较快的收敛速度并收敛到全局最优解。

GSO PSO函数 pso测试函数

说明：粒子群算法的局部模型程序，比全局模型的效果要好，尽管收敛速度慢些，但是都能找到最优点。

收敛速度 全局粒子群 局部PSO l粒子群算法 最优点

说明：通过改进PSO算法的惯性权重和学习因子，惯性权重是调整全局搜索能力和局部搜索能力之间平衡的重要参数，选择合适的值有助于扩大搜索空间，提高找到潜在的全局最优解的概率；学习因子通过粒子本身经验和种群的社会经验对粒子运动产生影响，因此，选择合适的学习因子的取值也有利于提高PSO算法的性能。

matlab 算法 源程序 pso 改进

说明：基本PSO极易陷入早熟收敛，而此算法在基本PSO的参数上做一些改进，从而达到增强多样性，避免过早的陷入局部最优，并发生早熟收敛。

说明：基本PSO极易陷入早熟收敛，而此算法在基本PSO的参数上做一些改进，从而达到增强多样性，避免过早的陷入局部最优，并发生早熟收敛。....

说明：基本PSO极易陷入早熟收敛，而此算法在基本PSO的参数上做一些改进，从而达到增强多样性，避免过早的陷入局部最优，并发生早熟收敛。....

说明：基本PSO极易陷入早熟收敛，而此算法在基本PSO的参数上做一些改进，从而达到增强多样性，避免过早的陷入局部最优，并发生早熟收敛。.......

说明：基本PSO极易陷入早熟收敛，而此算法在基本PSO的参数上做一些改进，从而达到增强多样性，避免过早的陷入局部最优，并发生早熟收敛。

说明：基本PSO极易陷入早熟收敛，而此算法在基本PSO的参数上做一些改进，从而达到增强多样性，避免过早的陷入局部最优，并发生早熟收敛。.