说明：该资源包含了多种粒子群算法的代码，标准的粒子群算法以及改进的粒子群算法的代码，并且将改进的粒子群算法（社会粒子群算法）应用在无线传感器网络的覆盖的优化问题中，这里有针对不同的感知模型，不同的节点覆盖度进行了仿真实验的代码。从而可以看出社会粒子群算法在优化中比标准的粒子群算法效果更好。

粒子群算法 无线传感器 网络覆盖

说明：将约束离散优化（CDO）转化为非线性约束非负整数规划（CNIP），该算法采用了种群混沌初始化、双方案变异、离散差分进化等多种改进措施，可求解非线性约束非负整数规划（CNIP），以及具有随机扰动的积分算子。针对非线性约束，给出了连续映射基惩罚的计算方法和基函数的公式，并在此基础上提出了处理约束的自适应...

约束离散优化 CDO 非线性约束非负整数规划 CNIP

说明：利用粒子群算法对支持向量机（SVM）进行分类优化

SVMcgForRegress 粒子群-支持向量机 粒子群算法-优化-SVM psoSVMcgForregress 粒子-群算法-优化-SVM

说明：普通粒子群算法无法感知外界环境的变化，在外界环境发生改变时无法实时进行响应，因而缺乏动态环境寻优能力。在普通粒子群算法基本上通过增加敏感粒子得到一种动态粒子群算法，该算法通过实时计算敏感粒子的适应度值从而感知外界环境的变化，当外界环境的变化超过一定的阈值时算法以按一定比例更新速度和粒子的方式进行相应...

matlab 基于 动态 粒子 算法 环境

说明：基于matlab，实现滚动时域估计算法（MHE算法），将估计问题转化为优化问题，基于粒子群算法求解最优解，结合惩罚函数法来处理带约束的优化问题

带约束优化 带约束粒子群 粒子群-约束 滚动粒子群 滚动时域法

说明：该案例的功能是使用遗传算法优化BP神经网络，分为BP神经网络结构确定、遗传算法优化和BP神经网络预测三个部分。遗传算法优化使用遗传算法优化BP神经网络的权值和阈值，种群中的每个个体都包含了一个网络所有权值和阈值，种群中的每个个体都包含了一个网络所有权值和阈值，个体通过适应度函数计算个体适应度值，遗传...

BP神经网络 遗传算法优化 BP神经网络预测 GA

说明：用人工鱼群算法求解梯级水库优化调度，只需要修改相应的约束条件就可以进行优化计算了

水库-调度 水库优化 梯级水库调度 鱼群约束优化 afsa

说明：利用微粒群算法（pso）优化支持向量机（SVM）的参数-c，-g

PSO优化SVM 微粒群算法 支持向量机 优化SVM svm优化

说明：matlab 优化问题 小生境和蚁群算法的结合 能运行

小生境 车间动态 运行优化 蚁群算法优化 优化运行

说明：遗传算法（GA）是通过对自然界中生物的遗传和优胜劣汰的进化过程进行模拟与抽象，进而形成的一种自适应全局随机优化搜索方法。遗传算法只需提供目标函数作为寻优信息，它从某一随机生成的初始群体出发，经过选择、交叉和变异等遗传操作后对个体进行适应度评价，保留适应度较强的个体遗传到子代种群中，经过多次的迭代计算...

matlab 算法 运行 遗传 优化 求解