利用粒子组算法解决线性约束整数规划的Matlab程序pair粒子组的约束问题涉及较少。这是第一次使用Matlab，利用粒子群优化算法解决无功优化问题matlab用-2编译/运行结果不稳定...智能算法有这个缺点，如遗传算法、模拟退火等，MATLAB程序Error Reporting粒子parstruct(parstruct智能算法，如遗传算法、模拟退火等，都有这个缺点，有三条路可以走。先研究如何改进粒子 group算法，再改进你算法的一些策略，第二，可以改变不同的参数进行尝试；第三，代码可以改进，我用遗传算法做优化问题，一开始的结果是时间不太理想。后来看了很多别人关于遗传算法改进的文章，结合自己的思考，一遍又一遍的改进自己的算法，终于得到了不错的效果。
pair粒子group的约束问题涉及较少。这里摘录百度百科:PSO算法推广到约束优化问题，分为两类:()(1)罚函数法。罚函数的目的是将约束优化问题转化为无约束优化问题。(2)将粒子 group的搜索范围限制在约束簇内，即在可行解范围内搜索。第一种方法有相关论文。看了之后感觉更适合等式约束，类似于在适应度函数中加入拉格朗日乘子的做法。如果论文下载不了，请留言。
跟我说说。对于你的问题，初始化二维向量，但是因为不等式约束，考虑初始化向量的第一维，然后动态计算第二维的范围，随机计算第二维变量，然后计算适应度值，它是全局和局部最优的。更新过程是相同的，首先更新第一维的变量，然后动态计算第二维的范围，更新第二维。如果更新的变量超出边界，取边界值(也可以重新更新，直到满足条件，直观感觉第一个更好，第二个可能不更新)，更新后，计算适应度，更新全局和局部最优解。
