PSO算法研究及其基于改进PSO算法的回归模型的参数估计

【文件属性】：
文件名称：PSO算法研究及其基于改进PSO算法的回归模型的参数估计
文件大小：3.24MB
文件格式：PDF
更新时间：2017-12-19 07:49:06
PSO算法 粒子群算法(Particle Swarm Optimization，简称PSO)是由Kennedy和Eberhart于1995年提出的一类随机群集智能优化算法。Kennedy和Eberhart对鸟群的觅食行为进行研究发现，单只鸟的能力是非常有限的，但是它们依靠群体的合作总能以最简单、最有效的方式寻找到食物。于是他们将鸟群简化为一个简单的社会系统并加入人类社会的某些行为特征，设计出PSO算法用于解决复杂的优化问题。PSO算法因其设计思想简单、操作实现容易、需要控制的参数少、能够实现分布式计算以及优化速度快而被广泛应用于函数优化、模式识别、神经网络训练等领域。本文对PSO算法的基本思想、拓扑结构、收敛性进行了较详细的分析，同时本文还对近几年几个主要的改进PSO算法进行了介绍，结合PSO算法的分析结果，本文提出一个改进的PSO算法。从实验结果来看，本文改进的PSO算法不但具有良好的优化能力，而且还具有良好的优化速度。