基于正态云的粒子群优化算法及其应用

被引:5
作者
刘衍民 [1 ,2 ]
赵庆祯 [2 ]
邵增珍 [2 ]
机构
[1] 遵义师范学院数学系
[2] 山东师范大学管理与经济学院
关键词
粒子群优化算法; 正态云模型; 系统辨识; 动态变异; Hammerstein模型;
D O I
暂无
中图分类号
TP301.6 [算法理论];
学科分类号
摘要
为辨识非线性系统Hammerstein模型,将非线性系统的辨识问题转化为参数空间上的优化问题,提出一种基于正态云模型的改进粒子群算法(NCPSO)。该算法采用动态变异概率,对全局最优粒子和粒子自身最优位置进行正态云变异,以产生新的粒子引导种群的飞行,有效避免早熟收敛。采用一种广义学习策略,提升粒子向最优解飞行的概率,将NCPSO算法用于对Hammerstein模型的辨识,相比其他算法,该算法辨识精度较高。
引用
收藏
页码:161 / 162+166 +166
页数:3
相关论文
共 5 条
  • [1] 系统辨识.[M].冯培悌编著;.浙江大学出版社.1999,
  • [2] 一种基于动态邻居和变异因子的粒子群算法
    刘衍民
    赵庆祯
    隋常玲
    邵增珍
    [J]. 控制与决策, 2010, (07) : 968 - 974
  • [3] 粒子群优化算法中加速系数的实验分析
    常先英
    李荣钧
    [J]. 计算机工程, 2010, 36 (04) : 183 - 186
  • [4] 基于改进粒子群算法的Hammerstein模型辨识
    徐小平
    钱富才
    王峰
    刘红艳
    [J]. 计算机工程, 2008, (14) : 200 - 202
  • [5] 正态云模型的统计分析
    刘常昱
    李德毅
    杜鹢
    韩旭
    [J]. 信息与控制, 2005, (02) : 236 - 239+248