说明：基于互信息的图像配准算法，优化算法采用Powell和粒子群向结合的算法
说明：粒子群优化算法寻找目标函数全局最小值，只要根据想要，更改相应的目标函数，就可以解决相关最优化问题
说明：粒子群优化算法源自对鸟群捕食行为的研究，最初由Kennedy和Eberhart提出，是一种通用的启发式搜索技术。一群鸟在区域中随机搜索食物，所有鸟知道自己当前位置离食物多远，那么搜索的最简单有效的策略就是搜寻目前离食物最近的鸟的周围区域。PSO 算法利用这种模型得到启示并应用于解决优化问题
说明：目前最先进的标准粒子群算法，是美国人写的，不管是迭代速度还是迭代精度都达到了先进水平，目前正在研究粒子群算法的同学可以看一看，亲测效果不错。本人在原来的基础上进行了代码的优化和改进，加入了适应度函数的变化曲线，并提供了多种测试函数，直接用matlab打开就可以运行。
说明：目前最先进的标准粒子群算法，是美国人写的，不管是迭代速度还是迭代精度都达到了先进水平，目前正在研究粒子群算法的同学可以看一看，亲测效果不错。本人在原来的基础上进行了代码的优化和改进，加入了适应度函数的变化曲线，并提供了多种测试函数，直接用matlab打开就可以运行。
说明：这是我做的一个三维粒子群优化的源码，在初始化部分可以更改模型的各个参量，注释加了很多，一看就懂，当然程序还可以进一步优化，感兴趣的可以试一试
说明：粒子群算法工具箱 该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。
说明：粒子群算法(particle swarm optimization，PSO)由Kennedy和Eberhart在1995年提出，该算法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。
说明：pso(粒子群算法）优化神经网络matlab的m 文件