10个粒子群算法的旅行商问题，内容详尽 ，可以此类推n个城市的算法-greedy algorithm to do with the country s 31 cities between the TSP source code, the executable in Annex compressed packet. Inside data.txt city.txt of data tables and urban name, and the executable on the same withi

动态环境下的粒子群算法研究 动态优化问题是指目标函数随时间连续、缓慢或突然、随机变化的情况。该课题旨在将动态优化问题连续变化的时间变量区间进行任意划分，在得到的每个时间子区间上将动态问题转化为静态问题，针对此静态优化问题设计相应的遗传算法。同时给出一种能自动检测时间变化的应答算子。-Dynamic optimization problem refers to the objective function over time in a row, slow or sudden, random c

粒子群优化算法的示例代码，可以很好解决连续性寻优问题-PSO sample code, can be solved continuous optimization problem

大部份的优化问题都是多峰函数或病态函数，为了克服基本粒子群算法的缺陷，我研究了以下四种改进的粒子群算法(Most optimization problems are multi-peak functions or ill-conditioned functions. In order to overcome the defects of basic particle swarm optimization, I studied the following four improved particl

粒子群算法(PSO)属于群智能算法的一种，是通过模拟鸟群捕食行为设计的。假设区域里就只有一块食物（即通常优化问题中所讲的最优解），鸟群的任务是找到这个食物源。鸟群在整个搜寻的过程中，通过相互传递各自的信息，让其他的鸟知道自己的位置，通过这样的协作，来判断自己找到的是不是最优解，同时也将最优解的信息传递给整个鸟群，最终，整个鸟群都能聚集在食物源周围，即我们所说的找到了最优解，即问题收敛。