参数的优化选择对支持向量回归机的预测精度和泛化能力影响显著, 鉴于此, 提出一种多智能体粒子群算法(MAPSO) 寻优其参数的方法, 并建立MAPSO支持向量回归模型, 用于非线性系统的模型预测控制, 推导出最优控制率. 采用该算法对非线性系统进行仿真, 并与基于粒子群算法、基于遗传算法优化支持向量回归机的模型预测控制方法和RBF 神经网络的预测控制方法进行比较, 结果表明, 所提出的算法具有更好的控制性能, 可以有效应用于非线性系统控制中.
1
粒子群算法的Pareto多目标函数优化,多目标粒子群优化算法原理,matlab源码
2021-11-25 18:42:00 17KB
针对我国北方地区“以热定电”模式造成大规模弃风与调度经济性较差等问题,建立了区域电热综合能源系统日前经济调度模型。首先,构建了电储能、热储能和电动汽车的经济性模型,改进了风电折算成本的描述方法;然后,综合考虑了弃风成本、电动汽车调度成本、电储能和热储能损耗成本、环境污染成本等,构建了区域综合能源系统的调度成本模型;最后,利用信息熵衡量粒子的丰富度,并结合贪心变异策略提出基于粒子维度熵的改进混沌粒子群优化算法。算例结果表明,所提算法在保证优越收敛性的同时可有效分析各设备单元在经济调度和消纳弃风方面的作用,验证了模型和算法的有效性与实用性。
1
标准的PSO代码 MATLAB直接运行。其中 main是主函数,点击运行即可
2021-11-25 14:28:44 3KB PSO
1
【KELM预测】基于粒子群算法改进核极限学习机(KELM)分类算法 matlab源码.zip
2021-11-25 13:54:31 1.84MB 简介
1