说明：基于粒子适应度的惯性权值函数自适应调节每个粒子的惯性权值，使得粒子速度更新更有层次，更新速度更均匀。

粒子适应度 惯性权值

说明：采用遗传算法和例子群算法进行优化，可以采用试验设计方法构建试验样本，用Kriging方法构建适应度函数，然后进行优化求解，记住，采用此程序是，应该安装Kring工具箱子

matlab 算法 模型 函数 遗传 优化 粒子 kriging 求解 适应度

说明：改进粒子群算法，比较完整，自己收集的，可以运行。

粒子群-bp rapidlyq2t 改进的粒子群 优化神经网络 基于BP神经

说明：改进粒子群算法，比较完整，自己收集的，可以运行。

粒子群-bp 改进的粒子群 优化神经网络 基于BP神经

说明：粒子群优化最优路径算法，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。

schoolbck agreedng 粒子群优化最优路径 路径优化 columnlhw

说明：利用粒子群优化算法寻找下列多元函数的最大值：f(x, y) = x*cos(2*pi*y) + y*sin (2*pi*x) -2≤x≤2，-2≤y≤2 要求输出最优解、最优解对应的x和y值，以及粒子群优化算法迭代过程中的适应度函数进 化曲线。

粒子群优化PI PSO-PI pso-maximum PI-PSO PI+PSO

说明：基于混合粒子群算法的航路规划，基于GUI平台，完美运行，无BUG。

航路规划 GUI PSO 混合粒子群算法

说明：里面有动态参数识别适应度函数以及自适应粒子群算法 亲测可用 且效果很好，(  U91CC  u972  u2709  u2A1  u2109  u7C2  u7C2  u653  u8BC6  u52...

自适应 粒子群优化算法 APSO 动态参数识别 适应度 函数以 自适应粒子群算法

说明：利用粒子群算法综合微带天线阵列方向图，可以自适应调节副瓣电平和波瓣宽度。

方向图综合 matlab 粒子群算法 阵列天线 天线方向图

说明：用粒子群算法优化RBF网络权值，根据适应度值对个体最优和群体最优进行更新

matlab-pso-rbf RBF_PSO pso-rbf适应度 pso优化权值 PSO_RBF