为了克服使用单一智能优化算法在求解复杂问题中表现出的精度不高、易陷入局部最值、不能在全局搜索等一系列不足，算法融合的思想开始被研究和应用。将GA与PSO、GWO这三种经典算法进行融合，并辅以改进，从而利用它们的互补性，取长补短，提高求解复杂问题的能力。 无免费午餐定理，对任何优化问题，任两种优化算法的平均性能是相等的，没有任何一种优化算法在计算效率、通用性、全局搜索能力等性能方面都能表现得很好。 算法的混合也就成了算法优化领域的一个研究热点和趋势，混合有着固有的内在需求，不是简单地将算法组合叠加，要按照一定的策略和模式进行。 GA算法过程简单，全局收敛性好，多用于进行函数优化、数据挖掘、生产调度、组合优化、图像处理、机器学习等问题。但个体没有记忆，遗传操作盲目无方向，所需要的收敛时间长； PSO算法原理简单，用速度、位移公式迭代易于实现，具有记忆功能，需要调节的参数少，在寻优稳定性和全局性收敛性方面具有很大优势，但容易陷入局部最优值出现早熟，种群多样性差，搜索范围小，在高维复杂问题寻优时更为明显，多用于求解组合优化、模式分解、传感器网络、生物分子研究等领域。 联合GWO算法

自己修改的一个源程序，用粒子群算法优化RBF神经网络的中心值，宽度，权值，可以直接运行~喜欢分类、预测的朋友们，可以下载！

将ga算法嵌入pso算法组合优化lssvm分类模型 替换数据就行

本算法为用遗传算法改进粒子群GA-PSO算法，附带含有程序使用说明。(This algorithm uses genetic algorithm to improve particle swarm optimization GA-PSO algorithm, with instructions for the use of the program.)

混合PSO-GA算法的实现。 该存储库是Hsu-Chih Huang和Ching-Chih Tsai在论文“使用混合元启发式GA-PSO算法进行自主机器人导航的全局路径规划”中描述的算法的实现。 指示 如果尚未安装，请安装[PyGame库]（ ） 将所有源文件放在同一目录中。 如果在Windows操作系统下： 使用IDLE打开__main__.py并运行它 如果在类UNIX系统下： 打开一个终端 移至正确的目录 使用python __main__.py运行程序 去做 允许用户选择起始位置和目标位置 允许用户在其他搜索算法之间切换

基于GA-PSO算法，包含程序和数据.rar

ga的matlab代码 Algorithms-by-Matlab- It mainly keeps several codes made by matlab language. GA算法保存在MyGA.m，PSO算法保存在MyPSO.m文件里 手写代码仍存在改进的地方 并行GAPSO算法可以提高搜素速度，避免陷入早熟

基于遗传粒子群混合算法的matlab源码，用于优化无线传感网络中的路由。

网络切片是基于SDN/NFV的5G网络架构实现按需组网的一种重要技术。通过分析5G主要场景，提出了 SDN/NFV 架构下一种基于 GA-PSO 优化的网络切片编排算法。该算法利用粒子群算法能够快速收敛于全局最优解的特性，设计网络切片性能的评价函数。并且利用遗传算法快速随机搜索的能力，实现对网络切片的更新和优化，利用粒子群追逐局部最优解与全局最优解得到最优网络切片。仿真实验结果表明，该算法能够实现对多业务场景网络切片的个性化创建，充分发挥SDN 的集中控制方式的优点，在降低网络能耗的同时，提高网络资源利用率。

Matlab环境下 基于Kruppa方程的GA-PSO算法的相机内参数标定