改进的PSO算法及其在软测量建模中的应用

作者：侯力; 王振雷; 钱锋

来源：系统仿真学报, 2009, (08): 2125-2129.

DOI：10.16182/j.cnki.joss.2009.08.056

• 粒子群算法
• 自适应
• 软测量
• 神经网络 particle swarm optimization
• adaptive inertia weight
• soft sensor
• neural network

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4_CBA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。

• 单位
  华东理工大学