说明：一种基于粒子群K均值聚类算法的电梯交通模式识别方法。该方法通过对此前一周的原始客流数据进行聚类分析，得到相应交通模式的聚类中心坐标[2]。针对实时变化的交通流数据，采集5 mins时段客流数据，根据最近邻原则划分其归属的聚类中心，从而识别出当前的交通模式。

粒子群 K均值 聚类算法 电梯 交通模式 识别方法 PSO

说明：粒子群PSO及其改进算法，包含基本PSO，sPSO，tPSO，tsPSO等。

粒子群 PSO 改进算法 sPSO tPSO tsPSO

说明：粒子群优化BP神经网络算法，采用PSO优化神经网络的结构层个数，及隐含层的权值，相较BP神经网络，预测效果更好。

PSO 粒子群优化 BP 神经网络算法

说明：基于模拟退火的粒子群优化算法，算法的迭代速度快，精度高。

PSOSA 模拟退火 粒子群优化算法

说明：利用粒子群优化算法，进行样本训练BP神经网络。

PSO 粒子群优化算法 BP神经网络

说明：灰色理论优化粒子群优化算法，构建出的一种新的混合智能优化算法。

灰色理论 优化粒子群 优化算法

说明：基于粒子群优化算法的ELM，很稳，自己写的亲测可用。

粒子群优化算法 ELM

说明：粒子群优化算法程序设计，非常有用的程序，希望对大家有用。

粒子群 优化算法

说明：粒子群聚类算法，对于初学者是很好的东西，要下的赶快。

C PSO 粒子群聚类算法

说明：本程序是基于粒子群优化算法（PSO）的环形阵列天线方向图的仿真程序。

粒子群优化算法 PSO 环形阵列天线方向图