粒子群优化算法训练小波神经网络-abbr_c8892f85c90fca34071bbadd9dd8aa53.rar 本帖最后由 jwangj2008 于 2012-3-21 15:40 编辑 量子粒子群优化算法训练小波神经网络进行网络异常检测的新方法

用粒子群优化算法优化阵列天线的副瓣

粒子群算法的资源，能够应用于电力系统等领域的优化问题，程序直接调用即可

提出一种多目标自适应混沌粒子群优化算法(MACPSO). 首先, 基于混沌序列提出一种新型动态加权方法选择全局最优粒子; 然后, 改进NSGA-II 拥挤距离计算方法, 并应用到一种严格的外部存档更新策略中; 最后, 针对外部存档提出一种基于世代距离的自适应变异策略. 以上操作不仅提高了算法的收敛性, 而且提高了Pareto 最优解的均匀性. 实验结果表明了所提出算法的有效性.

针对基本粒子群优化(Particle Swarm Opti mi zation,PSO)算法的不足,提出动态惯性权重粒子群优化算法,其惯性系数随算法进化而动态减少。仿真结果验证了该改进算法的有效性:算法的收敛速度比基本PSO算法的收敛速度快;同时,算法得到的最优解比基本PSO算法好。

CUDA平台加速粒子群优化算法（pso），自己实现，结构清晰，加速比可达到10倍左右，适合初学者，因为还有一定的优化空间。

离散粒子群优化算法及其应用.pdf

综合考虑我国应急管理实践、应急响应时间限制以及应急物资分配中的公平要求, 在三级应急物资运输网 络的基础上, 建立了以系统损失最小为目标的应急物资运输和分配决策模型. 针对模型的整数非线性规划的特点, 提 出了改进粒子群(PSO) 算法, 通过在不同维度上确定不同学习对象, 加强了粒子的空间搜索能力. 数值算例验证了模 型和算法的有效性.

针对光伏发电功率预测精度不高的问题，提出一种基于相似日和云自适应粒子群优化(CAPSO)算法优化Spiking神经网络(SNN)的发电功率预测模型。考虑到季节类型、天气类型和气象等主要影响因素，提出以综合相似度指标进行相似日选取；以SNN强大的计算能力和其善于处理时间序列问题的特点为基础，结合CAPSO算法搜索的随机性和稳定性优化SNN的多突触连接权值，减少对权值的约束，提高算法的收敛精度。根据某光伏电站的实测功率数据对所提模型进行测试和评估，结果表明，该模型比传统预测模型具有更高的预测精度和更好的适用性。

粒子群优化算法matlab实现，有具体示例，绝对通俗易懂，做遗传算法研究或者需要用到参数优化的同学可以看看，