主要內容包括：粒子群算法（PSO）基本概念與算法流程，粒子群算法利用MATLAB程序分析數模信號，粒子群算法6個構成要素及其選擇經驗，慣性權重改進方法及3個PSO算法對比分析，測試函數分析粒子群算法的搜索性能，粒子群算法應用及存在問題與研究熱點，離散粒子群算法與離散二進制版粒子群算法，有約束動態慣性權重的BPSO算法分析背包問題，基于交叉變異的混合粒子群算法分析旅行商問題，基于交換序的粒子群算法再求解旅行商優化問題

基于matlab的PSO-SVM多輸入單輸出預測程序。PSO對SVM的兩個參數進行優化得到最佳參數值進行預測。并輸出預測誤差等相應結果。程序已調通，可直接運行。 購買后可下載視頻中的源程序文件。

粒子群優化（PSO）、蟻群優化（ACO）、遺傳算法（GA）、進化策略（ES）和基于概率的增量學習（PBIL）。計算了BBO-MLP、PSO、ACO、ES、GA和PBIL的分類精度并相互比較。輸出每種算法的收斂曲線和分類精度。程序已調通，可直接運行。 購買后可下載視頻中的源程序文件。

基于matlab的PSO-ELM的多輸入，單輸出結果預測，輸出訓練集和測試機預測結果及誤差。適應度值。數據可更換自己的，程序已調通，可直接運行。 購買后可下載視頻中的源程序文件。

基于matlab的PSO-FNN進行預測，以MSE最小為優化目標，得到最佳預測結果，數據可更換自己的，程序已調通，可直接運行。 購買后可下載視頻中的源程序文件。

基于matlab的PCA+ELM和PCA+PSO-ELM的費用估計，輸出輸出兩者的預測誤差并進行比較。輸出優化后的迭代曲線。數據可更換自己的，程序已調通，可直接運行。 購買后可下載視頻中的源程序文件。

優化過程如下：PSO 產生粒子群（可以是初始化粒子群，也可以是更新后的粒子群），將該粒子群中的粒子依次賦值給 PID 控制器的參數 Kp、Ki、Kd，然后運行控制系統的Simulink 模型，得到該組參數對應的性能指標，該性能指標傳遞到 PSO中作為該粒子的適應值，最后判斷是否可以退出算法。程序已調通，可直接運行。 購買后可下載視頻中的源程序文件。

基于MATLAB 中的設施布局設計和位置分配，通過PSO算法進行最佳位置匹配。程序已調通，可直接運行。 購買后可下載視頻中的源程序文件。

進而在綜合考慮參數影響的基礎上，以多尺度排列熵的偏度構造目標函數，利用粒子群優化算法(PSO)對多尺度排列熵算法(MPE)的參數進行尋優，得到最優參數。程序已調試通過，可直接運行。 購買后可下載視頻中的源程序文件。

基于matlab的期貨預測，利用PSO優化SVM和未優化的SVM進行對比，得到實際輸出和期望輸出結果。線性核函數、多項式、RBF核函數三種核函數任意可選。并給出均方根誤差，相對誤差等結果。程序已調通，可直接運行。 購買后可下載視頻中的源程序文件。