带约束条件的非线性问题的PSO(粒子群算法、蚁群算法)算法的Mathcad程序，为编程方便，函数与“带约束条件的非线性问题的蒙特卡洛算法的Mathcad程序”中的一致。
计算结果
精度还可以！
理论值为-0.5，极值点为（0,0）

是您自己编的么？何不来一个赏析？详细说说啥叫蚁群算法，你的编程思路是怎样的，坐下来慢慢说说，我想肯定会得到小伙伴们的喝彩的 :)
加一些注释也是好的。

粒子群算法，也称粒子群优化算法（Particle Swarm Optimization），缩写为 PSO， 是近年来发展起来的一种新的进化算法(（Evolu2tionary Algorithm - EA）。PSO 算法属于进化算法的一种，和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。
粒子群优化算法(PSO)是一种进化计算技术(evolutionary computation)，1995 年由Eberhart 博士和kennedy 博士提出，源于对鸟群捕食的行为研究 。该算法最初是受到飞鸟集群活动的规律性启发，进而利用群体智能建立的一个简化模型。粒子群算法在对动物集群活动行为观察基础上，利用群体中的个体对信息的共享使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得最优解。
PSO同遗传算法类似，是一种基于迭代的优化算法。系统初始化为一组随机解，通过迭代搜寻最优值。但是它没有遗传算法用的交叉(crossover)以及变异(mutation)，而是粒子在解空间追随最优的粒子进行搜索。同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应用领域。(摘自百度百科)

程序是自己编的，
n是求解维数，m粒子群数量，E误差，mk迭代次数
c1，c2 学习因子

by1个体最优解；gy1群体最优解；
by2个体当前解；gy2群体当前解；
bx1个体最优解位置；gy1群体最优解位置；
by2个体当前解位置；gy2群体当前解位置；
v[j,i飞翔速度，vmax最大飞翔速度；
B输出矩阵（嵌套是个好东西啊，太好用了）

beta速度限制因子。

这样做的好处是：
1、当y与曲线远时，进步很快，节省时间；
2、当y与曲线近时，搜索仔细，精度较高。
遗憾的是：
y与曲线距离的定义需仔细斟酌。

也许这个问题的关键就在于——y与曲线距离的定义

虽然不知道你们在说什么，但看起来好厉害！

玩的哈，没啥厉害不厉害

中间有一句b=p1 是什么意思？

有蚁群算法的mc原程序吗？原求一睹

您好，我最近正在用matlab写PSO，能否将M文件发到我的邮箱学习一下，先谢谢啦[email protected]

为何我把代码敲进去执行不了呢？恳请吧主指教

为什么约束条件怎么加？就是罚函数，我是菜鸟，用的VC

电脑上没有Mathcad 我是matlab 新手 楼主能传一份matlab的源文件吗 感激不尽

不是很明白带约束条件时，粒子初始化后，不满足约束条件f1,f2的粒子就不算粒子的自身最优位置了吗？

没看到代码中对粒子位置有U 跟L的线性不等式限制