精华内容
下载资源
问答
  • 基于粒子群参数优化的改进蚁群算法耗时较大的问题, 提出一种新的解决方案. 该方案给出一种全局异步与精英策 略相结合的信息素更新方式, 且通过大量统计实验可以在较大程度上减少蚁群算法被粒子群算法调用一次所...
  • 最后,通过改进粒子群算法对该模型进行最优化求解,得到各节点的概率。将贝叶斯网络分类器的判别参数学习方法与TAN分类器相结合,可用于对液体火箭发动机的故障诊断与分类中。针对某型号火箭的两次仿真数据进行故障...
  • 通过粒子群算法优化PID参数, 通过粒子群算法优化PID参数
  • 基于粒子群参数优化和BP神经网络的颗粒饲料质量预测模型.pdf
  • 基于粒子群参数优化的ELM神经网络的矿区地表变形预测模型.pdf
  • 由于支持向量机的主要参数的选择能够在很大程度上影响分类性能和效果,并且目前参数优化缺乏理论指导,提出一种粒子群优化算法以优化支持向量机参数的方法.该方法通过引入非线性递减惯性权值和异步线性变化的学习...
  • SVM用粒子群优化参数

    2021-04-19 09:02:13
    我现在要用粒子群算法优化支持向量机的参数,请哪位大神告诉我怎么调用svmtrain函数的语法怎么写,将优化的参数传进去? 谢谢各位大神!!!!!!!!============================实例研究====================...

    该楼层疑似违规已被系统折叠 隐藏此楼查看此楼

    下面是一个调用SVM分类的一个实例,这个例子svmtrain没有传参数。我现在要用粒子群算法优化支持向量机的参数,请哪位大神告诉我怎么调用svmtrain函数的语法怎么写,将优化的参数传进去? 谢谢各位大神!!!!!!!!

    ============================实例研究====================

    load fisheriris

    %载入matlab自带的数据[有关数据的信息可以自己到UCI查找,这是UCI的经典数据之一],得到的数据如下图:

    其中meas是150*4的矩阵代表着有150个样本每个样本有4个属性描述,species代表着这150个样本的分类.

    data = [meas(:,1), meas(:,2)];

    %在这里只取meas的第一列和第二列,即只选取前两个属性.

    groups = ismember(species,'setosa');

    %由于species分类中是有三个分类:setosa,versicolor,virginica,为了使问题简单,我们将其变为二分类问题:Setosa and non-Setosa.

    [train, test] = crossvalind('holdOut',groups);

    cp = classperf(groups);

    %随机选择训练集合测试集[有关crossvalind的使用请自己help一下]

    其中cp作用是后来用来评价分类器的.

    svmStruct = svmtrain(data(train,:),groups(train),'showplot',true);

    %使用svmtrain进行训练,得到训练后的结构svmStruct,在预测时使用.

    classes = svmclassify(svmStruct,data(test,:),'showplot',true);

    %对于未知的测试集进行分类预测,结果如图:

    tu3

    3.jpg (37.34 KB)

    2009-5-12 19:50

    classperf(cp,classes,test);

    cp.CorrectRate

    ans =

    0.9867

    展开全文
  • 粒子群算法(启发式算法)的多目标优化,我也翻过一些这方面的论文。单目标与多目标优化主要区别在于多目标优化问题有多个目标函数,一个解对于某个目标来说可能是较好的,而对于其他目标来讲可能是较差的。因此,存在...
  • 粒子群算法 约束多目标 优化 matlab代码
  • 粒子群优化算法综述 1.6粒子群优化算法的参数设置 1.6.1粒子群优化算法的参数设置种群规模N 种群规模N影响着算法的搜索能力和计算量 PSO对种群规模要求不高一般取20-40就可以达到很好的求解效果不过对于比较难的问题...
  • 基于粒子群算法的参数分析,朱永射,,粒子群优化算法是一种群智能算法,其思想来源于人工生命和演化计算理论。该算法简单容易实现,可调参数少,已经得到广泛的研究和
  • 绝对可以运行的,亲自尝试,函数寻优,还能改进。非常的好
  • 针对PID控制器参数整定问题,提出一种基于改进粒子群优化算法的优化方法。该方法在实数编码及设定参数搜索空间的基础上,采用基于指数曲线的非线性惯性权值递减策略,以较大幅度地提高算法的收敛速度和精度;嵌入基于差...
  • MATLAB实现粒子群算法,可以看到寻优的过程。并且在每句后都有注解。
  • 针对二进制粒子群算法易陷入局部最优的缺点,文中提出了一种基于次优活跃点的二进制粒子群改进算法,引入全局次优极值对粒子速度更新的影响.在具体应用中,算法参数设置的好坏直接影响算法的优化性能.文中在改进...
  • 通过粒子群算法(PSO)可实现多自由度系统二阶动力学方程的参数辨识
  • matlab写的粒子群优化算法(Particle Swarm Optimization),测试过,很好用!
  • 8.11 基于粒子群算法的机械手参数辨识 本节介绍采用粒子群算法实现8.8节中机械手的参数辨识。由式(8.22)可知 (8.29) 其中Y 和 的表达式见式(8.20)。 需要辨识的参数向量为 ,其真实...

    8.11 基于粒子群算法的机械手参数辨识 本节介绍采用粒子群算法实现8.8节中机械手的参数辨识。由式(8.22)可知 (8.29) 其中Y 和 的表达式见式(8.20)。 需要辨识的参数向量为 ,其真实值为 由于 具有很强的非线性, 中四个参数之间线性无关,故可采用粒子群算法进行 的辨识。 8.11 基于粒子群算法的机械手参数辨识 采用实数编码,辨识误差指标取: (8.30) 其中N测试数据的数量, 为模型第 个测试样本的输入。 首先运行模型测试程序chap8_6sim.mdl,对象的输入信号取 从而得到用于辨识的模型测试数据。 8.11 基于粒子群算法的机械手参数辨识 8.11 基于粒子群算法的机械手参数辨识 共有四个参数需要辨识,在粒子群算法仿真程序中,将待辨识的参数向量 记为X ,取粒子群个数为Size=200,最大迭代次数G=200,采用实数编码,向量X 中四个参数的搜索范围为 粒子运动最大速度为Vmax=1.0,即速度范围为[-1,1] 。学习因子取 ,采用线性递减的惯性权重,惯性权重采用从0.90线性递减到0.10的策略。目标函数的倒数作为粒子群的适应度函数。将辨识误差指标直接作为粒子的目标函数,越小越好。 8.11 基于粒子群算法的机械手参数辨识 按式(8.25)和式(8.26)更新粒子的速度和位置,产生新种群,辨识误差函数 J的优化过程如图8-18所示。遗传算法、最小二乘及粒子群算法的辨识结果如表8-3所示。可见,采用粒子群算法的辨识精度大大优于遗传算法和最小二乘法。 8.11 基于粒子群算法的机械手参数辨识 8.11 基于粒子群算法的机械手参数辨识 8.11 基于粒子群算法的机械手参数辨识 仿真程序 : 粒子群算法辨识程序:chap8_9.m 目标函数计算程序:chap8_9obj.m

    展开全文
  • 提出一种新的自适应粒子群优化算法, 以解决梯度法为基础的算法在进行多参数拟合时因各参数之间相关性较高而带来的拟合上的问题. 该粒子群优化算法采用自适应变异和动态自适应调整搜索范围、惯性权重相结合的改进策略...
  • 提出一种模糊复合最优粒子群优化(FHMPSO)算法,并将该算法应用于永磁同步电机控制系统PI调速器参数整定与优化中。优化算法的适应度函数采用永磁同步电机转速偏差ITAE指标,采用永磁同步电机矢量控制系统模型对原始PSO,...
  • 基于改进粒子群算法的深度学习超参数优化方法.pdf
  • 参数辨识是过程建模的基础,提出了一种基于粒子群优化(PSO)算法的模型参数辨识方法,将过程模型的每个参数作为粒子群体中的一个粒子,利用粒子群体在参数空间进行高效并行的搜索来获得过程模型的最佳参数值,可有效提高...
  • 根据粒子群算法具有对整个参数空间进行高效并行搜索的特点, 提出一种对P ID 控制器参数和非最小相位 系统的两阶段P Iö PD 控制器参数进行自整定的计算框架. 仿真结果表明了所提出算法的有效性和所设计控制器的...
  • 模型参数优化(二):粒子群优化

    千次阅读 2019-06-25 17:27:45
    粒子群优化,又称微粒群算法,来源于对—个简化社会模型的模拟,主要用于求解优化问题。 粒子群优化算法是 Kennedy和 Eberhart受人工生命硏究结果的启发,通过模拟鸟群觅食过程中的迁徙和群聚行为而提出的一种...

    1. 基本概念

           粒子群优化,又称微粒群算法,来源于对—个简化社会模型的模拟,主要用于求解优化问题。

           粒子群优化算法是 Kennedy和 Eberhart受人工生命硏究结果的启发,通过模拟鸟群觅食过程中的迁徙和群聚行为而提出的一种基于群体智能的全局随机搜索算法。与遗传算法一样,它也是基于“种群”和“进化”的概念,通过个体间的协作与竞争,实现复杂空间最优解的搜索。但是,粒子群优化并不需要对个体进行选择、交叉、变异等进化操作,而是将种群中的个体看成是D维搜索空间中没有质量和体积的粒子,每个粒子以一定的速度在解空间运动,并向粒子本身历史最佳位置和种群历史最佳位置靠拢,以实现对候选解的进化。

           这种模型最开始来自于对鸟群觅食的观察。设想这样一种场景:一群鸟在随机搜索食物,已知在这块区域只有一块食物,并且这些鸟都不知道食物在哪里,但它们能感受到食物的位置离当前有多远,那么找到食物的最优策略是什么呢?首先,搜索目前离食物最近的鸟的周围区域;其次,根据自己飞行的经验判断食物的所在。粒子群优化算法正是从这种模型中得到的启发,

    2. 实现步骤

    算法的基本流程,主要分为六步。

            第一步:初始化粒子群,包括群体规模,每个粒子的位置和速度,设置惯性权重、最大速度、加速度常数、最大迭代次数等初始值。

           第二步:设计适应度函数,并计算每个粒子的适应度值。

           第三步:对每个粒子,用它的适应度值和该粒子历史最佳 pbest比较,如果前者大于后者,则更新pbest。

           第四步:对每粒子的 pbest,用它的最大值与种群历史最佳 gbest比较,如果前者大于后者,则更新 gbest

          第五步:根据更新公式,更新每粒子的速度和位置。

          第六步:如果满足结束条件则退出,否则转入第二步。

    3. 代码实现 

         补充。。。

    展开全文
  • 基于改进粒子群算法的SVR参数优化选择,梁瑞鑫,穆朝絮,支持向量机的学习性能和泛化能力取决于其相关参数的选取。支持向量机参数的选取在实际应用中是很复杂的,使用传统优化方法比较难
  • 【寻优算法】量子粒子群算法(QPSO) 参数寻优的python实现一、粒子群算法的缺点二、量子粒子群算法三、QPSO算法的python实现参考资料 一、粒子群算法的缺点 本人之前的博文(参考资料【1】)已经详细介绍了PSO...
  • 粒子群算法

    万次阅读 多人点赞 2018-08-04 10:11:33
    粒子群优化算法(Particle Swarm Optimization,PSO)是自然计算的一个分支,是一种模拟自然界的生物活动的随机搜索算法。 群体迭代,粒子在解空间追随最优的粒子进行搜索。 三、基本原理: 基础:信息的社会共享...
  • 【计算智能】粒子群算法的参数优化
  • 结合应用广泛的粒子群算法,通过数值仿真,深入探究了其关键参数对解调误差的影响规律,发现光纤布拉格光栅(FBG)谱形复用数量越大,谱形重叠程度越大,关键参数选择的范围越小。以最大解调误差为评价指标,定量分析得出了...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 7,416
精华内容 2,966
关键字:

粒子群参数