粒子群优化算法在多参数拟合中的应用

被引：17

作者：

杨朝霞

方健文

李佳蓉

曾胜财

机构：

[1] 浙江师范大学数理与信息工程学院

来源：

浙江师范大学学报(自然科学版) | 2008年 / 02期

基金：

浙江省自然科学基金;

关键词：

粒子群; 多参数拟合; 相关性; 惯性权重; 自适应变异;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP301 [理论、方法];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 081202 ;

摘要：

提出一种新的自适应粒子群优化算法,以解决梯度法为基础的算法在进行多参数拟合时因各参数之间相关性较高而带来的拟合上的问题.该粒子群优化算法采用自适应变异和动态自适应调整搜索范围、惯性权重相结合的改进策略,数值模拟了将该算法应用于测量薄膜热物性时的多参数拟合,结果表明该算法是可行和有效的.

引用

页码：173 / 177

页数：5

共 10 条

[1]

MPR技术测量材料热物性的研究.[D].陈赵江.浙江师范大学.2006, 12

[2] Use of genetic algorithms for the simultaneous estimation of thin films thermal conductivity and contact resistances [J].

Orain, S ;

Scudeller, Y ;

Garcia, S ;

Brousse, T .

INTERNATIONAL JOURNAL OF HEAT AND MASS TRANSFER, 2001, 44 (20) :3973-3984

[3] 基于自适应粒子群算法的桩动力参数反分析 [J].

郭健 ;

汪勇 ;

向平 .

山西建筑, 2007, (26) :22-24

[4] 基于实数编码的自适应粒子群优化算法 [J].

刘淳安 .

计算机工程与应用 , 2006, (20) :39-40+54

[5] 求解TSP问题的模糊自适应粒子群算法 [J].

郭文忠 ;

陈国龙 .

计算机科学, 2006, (06) :161-162+185

[6] 激光光热反射技术对薄膜热物性的表征 [J].

陈赵江 ;

方健文 ;

王志海 .

中国激光, 2006, (03) :385-390

[7] 一种动态改变惯性权重的粒子群优化算法 [J].

王启付 ;

王战江 ;

王书亭 .

中国机械工程, 2005, (11) :945-948

[8] 自适应变异的粒子群优化算法 [J].

吕振肃 ;

侯志荣 .

电子学报, 2004, (03) :416-420

[9] 一类新颖的粒子群优化算法 [J].

王岁花 ;

冯乃勤 ;

李爱国 .

计算机工程与应用, 2003, (13) :109-110+134

[10] 粒子群优化算法 [J].

李爱国 ;

覃征 ;

鲍复民 ;

贺升平 ;

不详 .

计算机工程与应用 , 2002, (21) :1-3+17

← 1 →