具有动态调节机制的多粒子群改进算法及应用

针对标准粒子群算法(standard particle swarm optimization,SPSO)的稳定性较差及易陷入局部收敛等缺陷,将粒子群体划分为多组粒子群,提出了一种子群粒子和其产生的精英粒子分两步协同进化的方案,采用混沌、高斯动态扰动粒子位置及云正态模型自适应动态调整惯性权重等动态调节机制优化粒子飞行轨迹,促进粒子又快又好的向群体最优目标飞行,以改善SPSO算法的全局寻优性能并提高多目标优化问题的多样性.采用新颖的误差适应度函数设计了FIR高通数字滤波器,并与基于RGA、PSO、CRPSO及典型Parks-McClellan算法的滤波器进行了对比与分析.仿真实验表明:基于具有动态调节机制的多粒子群改进算法及目标函数设计的滤波器,具有通带波动小,阻带衰减大的优势.

一种基于多组PSO的支持向量机参数优化算法

支持向量机具有优良的学习能力和推广能力，然而其性能依赖于算法参数的选取。在粒子群优化算法的基础上，提出了一种基于多组粒子群优化的支持向量机参数优化算法，该算法将各粒子自动分成多个组，能较快地在支持向量机算法参数取值范围内搜索到相应数据的算法最优参数和最优性能。