论文部分内容阅读
对粒子群优化算法(PSO)进行分析,提出了一种根据速度信息自适应调整参数的粒子群优化算法(APSO-VI),该算法经过大量测试函数上的模拟实验验证,并与PSO进行了比较。实验结果表明,该算法能克服基本PSO算法在求解高维、多峰等大规模复杂非线性优化问题时易陷入局部最优和不收敛的问题。用APSO-VI训练神经网络,并将其用于注塑成型质量指标软测量建模,结果显示基于APSO-VINN的软测量模型比基于BPNN的软测量模型具有更高的精度和更好的性能。