| 改进的PSO算法及其在软测量建模中的应用 |
| |
| 引用本文： | 侯力,王振雷,钱锋.改进的PSO算法及其在软测量建模中的应用[J].系统仿真学报,2009,21(8). |
| |
| 作者姓名： | 侯力 王振雷 钱锋 |
| |
| 作者单位： | 华东理工大学化学工程联合国家重点实验,上海,200237 |
| |
| 基金项目： | 国家杰出青年科学基金，国家973计划，国家863计划项目，上海市科委重大基础研究，上海市自然科学基金 |
| |
| 摘 要： | 通过大量仿真实验,考察了粒子群算法(PSo)中粒子平均速度和算法收敛性之间的关系,提出了一种基于粒子速度反馈信息的自适应调整权重策略,同时在搜索过程中引入混沌序列.给出的收敛性分析证明,该算法可以以概率1收敛到全局最优解.对经典函数的测试计算表明,改进后的PSO算法较好地解决了基本粒子群算法中易陷入局部最优的缺点,在稳定性和收敛精度上均优于普通的PSO算法.改进的粒子群算法被用于优化神经网络的结构和参数,并将基于改进算法的神经网络用于4cBA软测量建模中.实际应用表明,与基于其它智能算法的神经网络相比,该网络不仅有较高的泛化性能,而且有更快的学习速度和较好的实时性.
|
| 关 键 词： | 粒子群算法 自适应 软测量 神经网络 |
Improved Particle Swarm Optimization and Application in Soft Sensor Modeling |
| |
| Abstract: | |
| |
| Keywords: | particle swarm optimization adaptive inertia weight soft sensor neural network |
| 本文献已被 万方数据 等数据库收录！ |
|
