基于连续粒子群算法的贝叶斯网络结构学习

基于粒子群算法的热疗零静磁场算法

本文基于支持向量机（SVM）和改进的粒子群优化（IPSO）算法（SVM-IPSO）创建了双向预测模型，以预测碳纤维的性能和生产参数。 在SVM中，选择对预测性能有重要影响的参数至关重要。 提出了IPSO对它们进行优化的方法，然后将SVM-IPSO模型应用于碳纤维产量的双向预测。 SVM的预测精度主要取决于其参数，因此利用IPSO来寻找SVM的最佳参数，以提高其预测能力。 受小区通信机制的启发，我们通过将全球最佳解决方案的信息纳入搜索策略来提出IPSO，以提高开发效率，并采用IPSO建立双向预测模型：在前向预测的方向上，我们认为富有成效参数作为输入，属性索引作为输出； 在向后预测的方向上，我们将性能指标视为输入，将生产参数视为输出，在这种情况下，该模型成为新型碳纤维的方案设计。 来自一组实验数据的结果表明，该模型的性能优于径向基函数神经网络（RNN），基本粒子群优化（PSO）方法以及遗传算法和改进的粒子群优化（GA- IPSO）方法在大多数实验中都是如此。 换句话说，仿真结果证明了SVM-IPSO模型在处理预测问题方面的有效性和优势。

使用matlab编程，分为多个.m文件编写，包括支配关系选择，全局领导者选择，删除多于的非劣解，创建栅格，标准测试函数 Mycost1为ZDT1测试函数 Mycost3有约束条件 套用算法只需要改动Mycost函数与主函数中粒子的取值与维度，即主函数中问题定义处与MOPSO设置处，其余不需要改动

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。

亲测好用，挺不错的资源，大家快来下载吧！挺有用的！需要的话可以来下载哦！代码利用粒子群算法对带时间窗的车辆路径规划问题进行了求解，代码进行了详细的注释，易于理解和进行修改，内置了一组数据，为可执行的代码。

粒子群算法优化BP神经网络matlab代码 可用于人工智能的模式识别等

本资源采用标准粒子群算法对3-5-3多项式进行轨迹优化，目标函数为时间最优，程序为matlab代码，仅供学习参考

旅游客流量具有明显的非线性和季节性特征，所以采取季节调整方法对样本数据进行预处理，消除季节性的影响，可以提高客流量预测的准确性。同时SVR（支持向量回归机）是一种良好的机器学习方法，非常适合预测研究，辅以PSO（粒子群算法）选取合适的回归参数可以获得更加精确的预测结果。鉴于此，构建一种考虑季节影响的PSO-SVR模型，以北京为例将不同旅游客流量预测方法的拟合优度进行比较。结果显示：季节调整的PSO-SVR模型预测精度明显高于SVR、季节调整的SVR和PSO-SVR模型，该模型是进行旅游客流量预测的有效工具。

粒子群（PSO）优化的极限学学习机（ELM），用粒子群优化算法优化的极限学习机，可用于数据的回归和分类，实测比单纯的极限学习机精度高的多。