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

對粒子群原理和對應的代碼進行了詳細講解 看完基本可以實現粒子群算法入門

基于matlab的粒子群算法與 Simulink 模型之間連接的橋梁是粒子（即 PID 控制器參數）和該粒子對應的適應值（即控制系統的性能指標）。

基于pytorch的多目標粒子群算法，MOPSO,引導種群逼近真實Pareto前沿，算法運行結束后將外部存檔中粒子作為獲得的Pareto最優解近似。程序已調通，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，算法運行結束后將外部存檔中粒子作為獲得的Pareto最優解近似。程序已調通，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matlab的人工蜂群和粒子群混合優化的路徑規劃算法，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。

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。

基于matlab的蟻群優化路徑算法，二維路徑和三維路徑優化。輸出可視化最優路徑和距離迭代曲線。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。

基于pytorch的蟻群算法求解TSP(旅行商問題)，訪問一座城市并回到最初位置的最佳路徑，解決組合中的NP問題。程序已調通，替換自己的數據可以直接運行。 購買后可下載視頻中的源程序文件。

基于MATLAB的蟻群算法求解TSP(旅行商問題)，訪問一座城市并回到最初位置的最佳路徑，解決組合中的NP問題。程序已調通，替換自己的數據可以直接運行。 購買后可下載視頻中的源程序文件。

介紹了蟻群算法的優化原理及matlab相關的代碼 可以快速了解蟻群算法并實現快速應用。

基于matlab的蟻群算法 (ACO) 對付的圖像邊緣檢測問題。提出基于蟻群算法的邊緣檢測方法是能夠建立一個信息素矩陣表示提出了一種在圖像每個像素位置的邊緣信息根據大量的螞蟻的運動有哪些派去在圖像上移動。此外，運動這些螞蟻是由圖像的局部變化驅動強度值。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。