针对惯性权重改进策略大多采用同代粒子使用相同权重,忽略了粒子本身特点以及不同维上的有效信息,提出一种基于不同粒子不同维的动态自适应惯性权重粒子群算法(AWPSO)。在该算法中利用矢量运算分析粒子进化公式,用一种新的方法构造惯性权重公式,使惯性权重随不同代不同粒子不同维动态改变,加快粒子收敛速度和全局搜索能力。通过对7个典型测试函数的测试结果表明,AWPSO在收敛速度,收敛精度,全局搜索能力方面比线性惯性权重粒子群算法(LDIWPSO)均有不同程度上的提高。

粒子群优化算法是一种基于群体智能的随机全局优化技术,尽管其原理简单易、于实现且功能强大,但目前研究人员还没有对它的工作原理做出足够的解释。将群体优化过程看成一个动态系统的演变,采用线性离散时间系统的分析方法对算法的收敛性进行了分析,导出了简化PSO算法的收敛条件。考虑到参数是影响算法性能和效率的关键因素,利用标准测试函数对算法的参数选择进行了详细的分析,并给出一些指导性原则。

仿真实例 天线阵列方向图的设计目标：主瓣宽度10°（第一零陷宽度），要求方向图在 40°、45°、50°、55°、60°生成-90dB的零陷，旁瓣电平-15dB以下（使用吸收边界条件） 具体的算法参数设置和优化结果: 算法中种群的大小设置为 60,每个粒子的维数为 64(其中前32位表示激励幅度大小, 后 32 位表示激励相位大小)，适应度函数包括副瓣区的电平高低和两个零深区的电平高低。

【WSN布局】基于被囊群优化算法实现WSN节点优化部署matlab代码

基础粒子群matlab代码，附带详细步骤说明

要求 ROS口才： : 科尔康： sudo apt install python3-colcon-common-extensions ROS2软件包： sudo apt install ros-eloquent-rviz2 ros-eloquent-urdf ros-eloquent-xacro ros-eloquent-robot-state-publisher ros-eloquent-joint-state-publisher-gui ROS2凉亭包装： sudo apt install ros-eloquent-gazebo-dev ros-eloquent-gazebo-plugins ros-eloquent-gazebo-ros ros-eloquent-rqt-robot-steering 创建一个ROS2工作区： cd ~ mkdir -p ws_ro

1.资源内容：粒子群算法的python实现代码 2.粒子群优化算法是一种演化计算技术，来源于对一个简化社会模型的模拟，可用于优化问题 3.可在建模过程中使用 4.适合算法初学者和有相关需求者使用或改进 5.针对不同的目标函数，更改fitness函数即可

本代码实现在NS2-allinone-2.3.6中实现了基于蚁群的VAENTs路由算法。

针对基本人工鱼群算法的参数视野固定不变导致算法后期收敛速度慢、运算量大、易陷入局部最优等问题，提出自适应视野的改进人工鱼群算法。改进后的算法只对人工鱼的觅食行为的视野进行调整，使其随着算法的迭代次数的增加而逐渐减小，但当视野小于初始值的一半时，停止减小，使其等于初始值的一半。将提出的改进型人工鱼群算法应用到求解基于道路网络的最短路径问题中，并通过实验证明了改进后的人工鱼群算法比基本人工鱼群算法及蚁群优化算法收敛速度快、计算量小，而且更加准确和稳定。