针对离散混沌系统，提出了一种基于融合Powell法的粒子群优化策略（Powell-PSO算法）的神经滑模等效控制方法。该方法通过将BP神经网络的输出作为滑模等效控制的切换部分的系数，有效克服了传统滑模等效控制的抖振现象；利用Powell-PSO算法对神经滑模控制器的参数进行全局优化，提高了离散混沌系统的控制品质。实验仿真表明：该方法无需了解离散混沌系统精确模型，具有响应速度快、控制精度高以及抗干扰能力强的优点。

随着射频功放非线性对射频前端的影响日益增大,使得功放建模变得越来越重要。提出了一种自适应模糊小波神经网络模型结构,并利用改进的粒子群优化算法,建立有记忆的功放模型。将小波函数融入到自适应模糊推理系统的模糊规则中,得到新的网络模型;在粒子群算法中引入最差位置影响因子,提高搜索效率,并进一步简化,忽略粒子的速度项,同时采用与适应度函数值相关的动态变化惯性权重,加快了收敛速度,避免出现"早熟"现象。仿真结果表明:该方法建立的功放模型误差小、精度高,能够有效地表征功放特性。

分析了支持向量机（support vector machine, SVM）目前主要存在的问题和参数选择对分类性能的影响后, 提出了以改进粒子群算法优化SVM关键参数的优化SVM算法。将加入拥挤度因子的微粒群算法引入到SVM中, 在不牺牲泛化性能的前提下, 对其参数进行优化, 增加了SVM初始化参数的多样性, 减慢了局部搜索, 促进其在全局范围内的寻优搜索, 以有效克服SVM算法过分依赖初始值和容易陷入局部极小值的缺点, 并利用由粗到精的策略构造多层SVM人脸表情分类器, 在提高准确率的基础上加快分类的速度。实验证明, 新算法具有速度快、准确率高的优点。

针 对 网 络 安 全 态 势 预 测 ， 为 了 提 高 预 测 精 度 和预 测 算 法 的 收 敛速 度 ， 采 用 一 种 改 进 的 粒子 群 算 法来 优 化径 向 基 函 数神 经 网 络 。 首 先 ， Ｐ ＳＯ 的 惯性 权 重 因 子 按 一 条 开 口 向 左 的 抛 物 线 递 减 ， 在 保证 全局 寻优 的 同 时 又 增 强 了 局 部搜 索 能 力 ； 其 次 ， 通过 权 重 因 子 的 调 节 自 动 寻 优 ， 并 将搜 寻到 的 全局 最优 值 解 码 成 Ｒ Ｂ Ｆ 的 网 络参 数 ； 最 后 ， 通 过 优 化 的 Ｒ ＢＦ 网 络进 行 网 络 安 全 态 势 预 测 。 仿 真 实 验 表，改进 后 的 算 法 能较 准 确 地 预测 网 络 安 全 态 势 。 与 ＢＰ 算 法 和 Ｒ ＢＦ 算 法相 比 ， 本 文 算 法在预 测 精度 上有所提 高 ， 同 时 收敛 速度 加快 ， 能 达到 更 好 的 预 测 效果 。