基于PSO-RBF混合算法的最优实验参数设计方法

作     者：曹恩智 梅琴 朱欣梅 计正君 CAO En-zhi;MEI Qin;ZHU Xin-mei;JI Zheng-jun

作者机构：巢湖学院安徽巢湖238000 

基　　金：国家级大学生创新创业训练计划项目(201710380001) 

出 版 物：《科技视界》 (Science & Technology Vision)

年 卷 期：2018年第7期

页      码：126-129页

摘      要：科学实验由于受时间和经费的限制,通过有限次的实验很难得到实验模型的最优结果和对应的实验参数。本文提出一种基于径向基RBF神经网络和粒子群优化算法PSO的最优实验参数设计方法。这种基于PSO-RBF的混合算法,能够快速、高效地找到最优实验参数。这一最优实验参数可能在已知实验数据中,也可能并不在已知数据中。该混合算法在有限实验次数的条件下所体现的方便性和高效性,可将其广泛地应用于工程实验、机械制造、材料工艺,航空航天、园林设计、医学研究、金融保险等各个领域的模型参数优化,具有重要的工程应用价值。

主 题 词：参数设计 参数寻优 PSO RBF 

学科分类：0808[工学-自动化类] 08[工学] 

D　O　I：10.3969/j.issn.2095-2457.2018.07.052

馆 藏 号：203287776...