1.3发展趋势    8
第二章 基本粒子群算法    9
2.1 群体智能    9
2.1.1 群体智能介绍    9
2.1.2 采取的方法和技术    11
2.2 粒子群算法    12
2.2.1 粒子群算法简介    12
2.2.1 粒子群算法流程    13
第三章 运用Matlab对粒子群进行仿真研究    15
3.1各算法简介    15
3.1.1 基本粒子群算法 PSO    15
3.1.2 带压缩因子粒子群算法 YSPSO    16
3.1.3 线性递减权重粒子群算法 LinWPSO    17
3.1.4 自适应权重粒子群算法 SAPSO    18
3.1.5 随机权重粒子群算法 RandWPSO    18
3.1.6 学习因子同步变化的粒子群算法 LnCPSO    19
3.2 测试仿真函数    19
测试函数1    20
测试函数2    21
测试函数3    23
测试函数4    25
测试函数5    26
测试函数6    28
第四章 结论与展望    29
4.1 结论    29
4.2 展望    30
参考文献    31
附录    31
附录1 粒子群代码    31
附录2 目标函数代码    40
附录3 Matlab中模拟粒子群算法伪代码    40
第一章 绪论
1.1课题的目的与意义
  当前的计算机系统用于不同而且复杂的方式，并且连接到了一个比以往都要高的程度。对于电子商务基于互联网的这样的互联是十分显著的。像分布式计算机这类取决于有效地沟通，现代通信系统不能没有强大的计算机设备来实现自己的功能
像这样的分布式系统需要更强的灵活性和适应性，为了应对随着时间的推移而不断变化的需求。然而，他们被构造的方式通常是很死板，很集中的。这是因为有这一些原因：
    在系统中需要准确的控制运算。
把什么放在第一位需要一个精确的定义。
这是一个过去的方法曾构建于传统的系统。
然而集中地、自上而下的控制导致了一些技术问题，和由于未能适应环境的变化而造成的实质性的后果
这种集中控制在自然世界中有着强烈的对比。自然系统在不同的层次中具有的特点很大程度的复杂性。这种复杂性意着自然系统的行为可能会出现不可预知性和不精确性，同时生物和生态系统中他们发现有大幅度的应变能力。弹性系统的例子包括社会昆虫殖民地，哺乳动物的神经系统以及温带地区的群落。
这样的弹性系统有几个来源：
首先，由于在系统中有大数量的元素（动物个体，细胞，甚至于细胞内的大分子）都可以和另外的元素互换。
第二，由于松散而灵活的元素之间的互联和实体之间的通信任务的转移贯穿于整个系统。
第三，由于元素和系统之间的差异允许对于变化的环境有不同的反应。
最后，由于复杂的环境和相互作用的部分的产生，激发了生物的多样性。理想的情况是，如果这些特点能够有助于改善计算机系统
随着这个愿望实现了导致了许多计算研究人员寻找自然系统的灵感应用于计算机软件和硬件的设计.他们的灵感来源于自然系统的许多个方面：进化，发展，细胞和分子现象，行为，认知和神经系统和其他区域。而不是在申奥的学术研究中寻找结果，这些自然激励技术已经应用于许多不同德区域其中包括互联网，数据挖掘。这篇文章会给我们在自然算法的灵感在不同方面的来源。一方面，一些已经出现的应用程序将被讨论，对自然计算领域的具体方面将有更详细的配套文件，其他论文将重点放在特定的应用领域。 微粒群智能算法的仿真研究+源代码(2):http://www.youerw.com/tongxin/lunwen_27690.html