说明：粒子群优化( PSO) 算法是一种基于群智能方法的演化计算技术，通过粒子间的相互作用发现复杂搜索空间中的最优区域，优势在于简单容易实现而且功能强大。
说明：利用粒子群优化神经网络，加快收敛，防止陷入局部最优，仿真效果较好，可直接运行，粒子群参数都设置完整，若效果不好，可自行调整参数
说明：粒子群算法，也称粒子群优化算法(Particle Swarm Optimization)，缩写为 PSO， 是近年来发展起来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...
说明：这是一种多目标的粒子群优化算法，包含了两个目标函数，对学习粒子群算法及很好的理解该算法非常有用-Examples of niche PSO,
说明：PSO粒子群优化算法，单纯的粒子群优化算法，使用matlab来实现的。文件压缩包里面一共有三个文件fun.m文件，PSO.m文件，PSOMutation.m文件。这些文件也是经典书籍Matlab神经网络43个案例分析中的部分实现，单纯演示PSO优化的功能。
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：该代码是基于极值粒子群优化功能，可根据PSO算法的粒子群优化算法的MATLAB编程功能的基于极值原理，极端非线性函数的优化，并给出了分析结果，然后展开案例研究，增加适应性突变，惯性权重，从而提高了代码。操作与图像和PDF文件的结果。
说明：差分粒子群算法程序,差分算法与粒子群算法的简单结合。
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：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