标签: 粒子群优化

针对手机依赖给大学生造成的生理、心理及社会功能损害问题，将支持向量机（SVM）和粒子群（PSO）优化算法结合，利用PSO优化SVM的核函数参数γ和惩罚因子C，设计了一种大学生手机依赖分析系统。系统通过手机APP发布和回收手机成瘾指数量表问卷，用得到基础数据训练PSO-SVM进而得到手机依赖分类模型，模型可以实时地对采集的问卷进行分类判断，避免了问卷的发放、收集和数据录入分析等繁琐的工作。系统还可以对分类的结果进行统计分析，便于掌握学生的最新动态。实验结果表明，本系统的分类准确率高达97.561%，而且系统可以自动的进行手机依赖者的筛选和统计分析，系统的分析结果可信可靠。

基于认知雷达波形捷变的思想，以提高雷达跟踪精度为目的，提出了一种基于自适应Kalman滤波的PSO优化算法的认知雷达的波形选择方法。通过发射波形与测量噪声之间的关系，建立了发射波形与雷达跟踪性能之间的关系模型，利用粒子群算法优化雷达发射波形参数，在卡尔曼跟踪滤波算法中增加了波形选择模块，实现对发射波形的自适应选择，以获取更好的目标跟踪性能。仿真结果表明，该方法使雷达对目标的跟踪性能在速度误差和距离误差分别降低50%和60%。

针对自主无人机长航时飞行出现的卫星不可用和惯导系统位置数据易发散等问题，利用惯导数据与地磁匹配相结合，本文提出一种基于模拟退火的约束粒子群优化地磁匹配算法。结合地磁匹配的误差不随时间累计等自身特点，通过将模拟退火策略及约束条件结合到粒子初始化过程中，设计了一种适用于地磁匹配的改进粒子群优化算法，改善粒子“早熟”问题。基于某地磁参考场图形显示与数值查询系统中地磁场数据，进行了仿真实验。仿真结果验证了改进算法的有效性，避免了粒子早熟现象，提高了地磁匹配的精度和搜索效率。