粒子群算法，又称为粒子群优化（Particle Swarm Optimization，简称PSO），是一种基于群体智能的优化算法。它最初由James Kennedy和Russell Eberhart于1995年提出，灵感来源于鸟群捕食行为的研究。在PSO中，每个优化问题的潜在解都被视为搜索空间中的一个“粒子”，所有粒子根据自身的经验以及同伴的经验来调整自己的速度和位置，以寻找最优解。

粒子群算法具有多个显著特点：

1. 简单性和易实现性：相较于其他复杂的优化算法，PSO的规则相对简单，易于编程实现，这使得它在实际应用中非常受欢迎。

2. 参数较少：PSO算法需要的调整参数不多，这降低了其调优难度，使得算法更加实用。

3. 多领域适用性：粒子群算法已经被广泛应用于各种领域，包括但不限于函数优化、神经网络训练、模糊系统控制以及遗传算法的应用等。

四种粒子群算法 :

        基于动态粒子群算法的动态环境寻优算法　

        基于混合粒子群算法的TSP搜索算法　

        基于粒子群算法的PID控制器优化设计　

        粒子群算法的寻优算法

源码下载:

      4种粒子群算法的Matlab实现