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 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。

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時間序列長度 N、嵌入維數 m、延遲時間 t 和尺度因子 s 進行研究，得出對其參數優化的必要性。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。