基于matlab的生物地理的優(yōu)化器（BBO）被用作多層感知器（MLP）的訓練器。粒子群優(yōu)化（PSO）、蟻群優(yōu)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(diào)通，可直接運行。 購買后可下載視頻中的源程序文件。

基于matlab的人工蜂群和粒子群混合優(yōu)化的路徑規(guī)劃算法，起點和終點確定的前提下，在障礙物中尋找最佳路徑。數(shù)據(jù)可更換自己的，程序已調(diào)通，可直接運行。 購買后可下載視頻中的源程序文件。

算法分析背包問題 第九章 ?基于交叉變異的混合粒子群算法分析旅行商問題 第十章 ?基于交換序的粒子群算法再求解旅行商優(yōu)化問題 第十一章 ?基于敏感粒子的動態(tài)粒子群算法尋找雙峰動態(tài)函數(shù)最優(yōu)值 第十二章 ?多目標背包優(yōu)化問題用多目標粒子群算法求解 第十三章 ?網(wǎng)絡(luò)流傳與正版粒子群算法工具箱PSOt應用 第十四章 ?MATLAB自帶算法命令與約束CPSO工具箱詳解 第十五章 ?約束CPSO工具箱編程應用及各種類型程序

基于matlab的對分解層數(shù)和懲罰因子進行優(yōu)化。蟻獅優(yōu)化算法優(yōu)化VMD,算術(shù)優(yōu)化算法優(yōu)化VMD，遺傳優(yōu)化算法優(yōu)化VMD，灰狼優(yōu)化算法優(yōu)化VMD，海洋捕食者優(yōu)化算法優(yōu)化VMD，粒子群優(yōu)化VMD，麻雀優(yōu)化算法優(yōu)化VMD，鯨魚優(yōu)化算法優(yōu)化VMD。程序已調(diào)通，可直接運行。單個30，打包150。 購買后可下載視頻中的源程序文件。

基于matlab的多尺度排列熵（MPE）模型，首先通過對多尺度排列熵算法的參數(shù)時間序列長度 N、嵌入維數(shù) m、延遲時間 t 和尺度因子 s 進行研究，得出對其參數(shù)優(yōu)化的必要性。進而在綜合考慮參數(shù)影響的基礎(chǔ)上，以多尺度排列熵的偏度構(gòu)造目標函數(shù)，利用粒子群優(yōu)化算法(PSO)對多尺度排列熵算法(MPE)的參數(shù)進行尋優(yōu)，得到最優(yōu)參數(shù)。程序已調(diào)試通過，可直接運行。 購買后可下載視頻中的源程序文件。

對粒子群原理和對應的代碼進行了詳細講解 看完基本可以實現(xiàn)粒子群算法入門

優(yōu)化過程如下：PSO 產(chǎn)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(shù) Kp、Ki、Kd，然后運行控制系統(tǒng)的Simulink 模型，得到該組參數(shù)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(diào)通，可直接運行。 購買后可下載視頻中的源程序文件。

基于matlab的多目標粒子群算法，MOPSO,引導種群逼近真實Pareto前沿，算法運行結(jié)束后將外部存檔中粒子作為獲得的Pareto最優(yōu)解近似。程序已調(diào)通，可以直接運行。PS:程序運行視頻見https://gf.bilibili.com/item/detail/1103082078 購買后可下載視頻中的源程序文件。

基于pytorch的多目標粒子群算法，MOPSO,引導種群逼近真實Pareto前沿，算法運行結(jié)束后將外部存檔中粒子作為獲得的Pareto最優(yōu)解近似。程序已調(diào)通，可以直接運行。 購買后可下載視頻中的源程序文件。

基于matlab的蟻群優(yōu)化路徑算法，二維路徑和三維路徑優(yōu)化。輸出可視化最優(yōu)路徑和距離迭代曲線。數(shù)據(jù)可更換自己的，程序已調(diào)通，可直接運行。 購買后可下載視頻中的源程序文件。