利用粒子群算法优化BP神经网络的权值，将训练好的神经网络用于故障诊断中，进行模式识别，比BP神经网络收敛快-Utilizing particle swarm optimization BP neural network weights, the trained neural network for fault diagnosis, pattern recognition, neural network converges faster than the BP

求解非线性方程组方法有经典算法以及近年来流行的遗传算法．牛顿法及其改进形式,但是此类算法的收敛性在很大程度上依赖于初始点的选择，对于某些非线性方程组容易导致求解失败 为了克服经典算法的缺点，设计了求解非线性方程组的混合遗传算法,但依然对方程组和编码方法有很高要求。PSO是受到鸟群或者鱼群社会行为的启发而形成的一种基于种群的随机优化技术。它是一类随机全局优化技术，通过粒子间的相互作用发现复杂搜索空间中的最优区域。该算法是一种基于群体智能的新型演化计算技术，具有简单易实现、设置参数少、全局优化能力强

本程序介绍了用粒子群算法优化支持向量机的相关参数，从而达到更好的模式识别。-This procedure describes the optimization of support vector machines with particle swarm algorithm parameters, so as to achieve a better pattern recognition.

对多峰搜索问题提出了一类动态微粒群算法,该算法通过变换函数将多峰问题中的所有峰变为等高峰(A kind of dynamic particle swarm optimization (DPSO) algorithm is proposed for multi-peak search problem. The algorithm transforms all the peaks in multi-peak problem into equal peaks by transforming funct