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：几种粒子群算法求解VRP问题，与GA对比。

粒子群算法 VRP GA

说明：基于粒子群算法优化的支持向量机分类算法，该算法可完成数据分类、回归分析的功能。

粒子群算法 向量机分类算法 数据分类 回归分析

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：基于罚函数的粒子群算法，可求解带有非线性约束的优化问题。

pso​ 罚函数 粒子群算法 非线性约束

说明：粒子群算法，包括主函数，目标函数，约束条件等。可用于多目标函数的处理。

PSO 粒子群算法 主函数 目标函数 约束条件

说明：针对QoS组播问题，本文采用粒子群算法，通过对算法的改进，使其能够应用到QoS组播路由问题上来，最终求出满足QoS约束的最小代价组播树。

PSO QoS 粒子群算法 QoS组播

说明：权重自适应改进的粒子群算法，只需添加适应度函数即可使用。

PSO 权重自适应 粒子群算法

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