用MATLAB编写PSO算法及实例，详细讲解了pso算法的流程和编程设计思路，最后并附有三目标的实例分析。

matlab实现的pso算法

MATLAB实现PSO算法-pso.rar 自己写的PSO程序，初学者，只包含了些基本的功能，效果大家自己看吧，共同学习～

用粒子群pso算法优化pid控制的参数，matlab源代码，非常实用！ 用粒子群pso算法优化pid控制的参数，matlab源代码，非常实用！

（转）简单的pso经典算法实现对图像的匹配，简单程序，适合初学者进行pso和匹配的学习 这几个m文件程序的主要目的是实现用智能算法的中的 粒子群的方法来对图像进行匹配，也就是最终找到实时图像 在基准图像中的坐标位置。 ----------------------------------------------------- 1. 基准图像lena_basic 实时图像lena_time 2. pre_preare.m 功能是用来修改保存的实时图像的 3. simple_fitness.m 功能是用全遍历所有的匹配位置，将相关度数据保存在 在一个矩阵中（这里用了一个较为简单的相关度算法）。 4. pso_match.m 是主程序，用pso算法对图像进行匹配，具体实现代码有注释 总体是通过Matlab编程实现的

：针对大多数图像分割方法计算量大、不利于实时处理的缺点，提出用微粒群算法(PSO)优化最小误差分割方法。该 方法不但具备最小误差分割法受目标和噪声影响小以及对小图像分割效果好的优点，还克服了遗传算法等加速算法需要预 先设定众多运行参数，受目标变化影响大的问题。图像分割的效果和速度得到了提高，性能也更加稳定。实验结果反映了该 方法的有效性。

针对暖通空调(HVAC)系统,提出一种基于粒子群优化(PSO)算法和最小二乘支持向量机(LSSVM)的预测控制方法。该方法利用LSSVM建立HVAC系统预测模型并预测系统的输出值,引入输出反馈和偏差校正以克服模型失配等因素引起的预测误差,以此构造加权预测控制性能指标。由PSO算法滚动优化得到系统的最优控制量。利用该控制方法对一个HVAC系统进行仿真实验,结果表明该方法具有较好的控制效果。

显示了三个文件： 1）“ Fitting.m”：它是“主”文件。 2）“ ObjFun_fun.m”：在此文件中计算目标函数。 它接受必须输入所有输入数据的“数据”结构作为输入。 3）“ Optimization_PSO_v02.m”：这是PSO优化功能。 不得修改此文件。 可以设置该问题来修改其他两个文件。 在示例中，显示了一个 2D 曲线拟合问题。 如何创建优化问题？ -打开“ Fitting.m”文件并创建一个名为“数据”的结构，在该结构中必须放置优化问题所需的所有输入数据。 -打开“ ObjFun_fun.m”文件，并编写计算目标函数所需的代码。 在示例中，目标函数是最小二乘，因此在此处进行计算。 包含所有输入数据的“数据”结构会自动传递到此函数，因此无需修改其他文件。 -运行“ Fitting.m”文件。 对于0D动态系统中的参数估计问题，我也使用了相同的文件。 请，如

张继荣,张天.基于改进粒子群算法的PID控制参数优化[J].计算机工程与设计,2020,41(04):1035-1040 PSO算法优化Simulink模型的参数在线整定 资源及仿真模型介绍： https://blog.csdn.net/qq_42249050/article/details/111247446

该算法为粒子群算法求解多目标优化的问题，程序已经测试过了，可以跑的通，代码注释也比较全面，大家可以放心下载！