多目标粒子群优化算法，万能公式，改进的多目标粒子群算法，包括多个测试函数 。对程序中的部分参数进行修改将更好地求解某些函数

针对配电网多目标无功优化的应用需求以及优化算法存在的收敛性和多样性问题，基于Pareto熵的多目标粒子群优化算法，提出一种应用于多目标无功优化的改进粒子群优化算法。该算法在全局外部档案更新过程中引入冗余集策略，避免迭代过程中陷入局部最优解。将算法应用于配电网无功优化中时，采用离散变量取整方法，加快算法的收敛速度。建立网损、电压偏差及无功补偿装置投资最小的配电网多目标无功优化模型，并以IEEE 33节点配电网络为算例进行仿真，结果表明改进后的算法兼顾了优化的收敛性和多样性，能够在不同的优化要求下得到有效的无功优化方案。

13种粒子群优化算法，包括协同，混合，局部，全局，繁殖等，对应的博客地址http://www.cnblogs.com/hxsyl/p/4521778.html

基于伊藤算法的改进人工蜂群算法

智能优化算法： 粒子群优化算法（PSO）应用于神经网络优化程序。分为无隐含层、一隐含层、二隐含层。运行DemoTrainPSO.m即可

人工蜂群算法 代码 MATLAB

基于局部搜索的反向学习竞争粒子群优化算法，钱晓宇，方伟，为了提升粒子群优化算法在复杂优化问题, 特别是高维优化问题上的优化性能, 提出了一种基于Solis\&Wets 局部搜索的反向学习竞争粒子群�

为了提高接地网腐蚀速率预测的精确度，在建立预测模型的过程中，首先对接地网进行了基于电网络理论的腐蚀诊断过程，并以经过诊断之后确定的腐蚀支路位置为采样点。考虑到仅以土壤理化性质反映接地网腐蚀速率的局限性，在接地网腐蚀诊断结果的基础上，提出接地网电阻平均增长速率作为预测模型的输入特征量之一。建立了基于人工蜂群优化支持向量机的接地网腐蚀速率预测模型，测试结果显示相对BP神经网络模型和广义回归神经网络模型，所提模型的预测结果精确度和稳定性更高，表明了对于解决接地网腐蚀速率预测问题，所提模型具有良好的适用性。

智能微电网的优化调度，包括蓄电池、柴油机、大电网等分布式设备，用粒子群算法进行优化，程序可以执行，可以在此基础上进行改变

针对约束边界粒子在边界区域搜索能力不足的问题, 提出一种基于自适应进化学习的约束多目标粒子群优化算法. 该算法根据不符合约束条件粒子的约束违反程度, 修正优化算法的进化学习公式, 提高算法在约束边界区域的搜索能力; 通过引入一种基于拥挤距离的Pareto 最优解分布性动态维护策略, 在不增加算法复杂度的前提下改进Pareto 前沿的分布性. 实验结果表明, 所提出的算法可以获得具有更好收敛性、分布性和多样性的Pareto 前沿.