关于粒子群算法的研究现状，公式推导，发展前景和相关参考文献

一篇比较好的的基于粒子滤波的轮廓跟踪算法论文

flex 粒子系统宣讲 ppt(只提供学习)

作为一种新的群体智能方法，粒子群优化算法（PSO）是一个非常有前景的工具，在处理高维的以及缺乏领域知识的问题时尤其有用

用粒子群算法解决优化问题，这是粒子群算法的工具包，有需要的赶快下载。

：阐述了粒子群算法的基本原理，探讨了在AB73BC 环境中实现粒子群算法的编程方法，构建粒子群算 法工具箱函数，通过仿真示例验证了该方法的有效性，表明它能够对函数进行全局优化。

阐述了粒子群算法的基本原理,探讨了在MATLAB环境中实现粒子群算法的编程方法,构建粒子群算 法工具箱函数,通过仿真示例验证了该方法的有效性,表明它能够对函数进行全局优化。

：城市交通系统是个随机性很强、复杂的巨型系统，为了获得良好的通行效率，提出了一种基于模拟退火 温度的自适应粒子群优化算法，同时给出了一种城市区域交通协调控制信号配时模型，然后将提出的方法应用于此 模型。仿真结果表明：这种算法不仅能够克服基本粒子群算法陷入局部寻优的缺点，而且算法的收敛性和稳定性都 很好，同时也表明该模型是可行的、有效的。

粒子群算法的基本实现方法，matlab版的，易于修改，好用

在粒子滤波中,防止粒子退化的两个关键因素是选择适当的采样建议分布和重采样算法。针对建议分布的选择条件,提出了一种改进的粒子滤波算法,该算法采用强跟踪扩展卡尔曼滤波方法构建其建议分布。强跟踪扩展卡尔曼滤波可在线调节参数,从而使得系统具有更好的自适应性和鲁棒性,对高机动目标具有更强的跟踪效果。仿真结果表明,该算法的性能优于其它几种非线性滤波算法。