matlab完整代码|【费用预测】基于matlab粒子群算法优化ELM神经网络预测费用【含Matlab源码 1378期】紫极神光|matlab|算法|神经网络

一、粒子群算法简介 【matlab完整代码|【费用预测】基于matlab粒子群算法优化ELM神经网络预测费用【含Matlab源码 1378期】】1 粒子群算法简介
1.1 引言
自然界中的鸟群和鱼群的群体行为一直是科学家的研究兴趣所在。生物学家Craig Reynolds在1987年提出了一个非常有影响的鸟群聚集模型，在他的仿真中，每一个个体都遵循：避免与邻域个体相撞：匹配邻域个体的速度；飞向鸟群中心，且整个群体飞向目标。仿真中仅利用上面三条简单的规则，就可以非常接近地模拟出鸟群飞行的现象。1990年，生物学家Frank Heppner也提出了鸟类模型，它的不同之处在于：鸟类被吸引飞到栖息地。在仿真中，一开始每一只鸟都没有特定的飞行目标，只是使用简单的规则确定自己的飞行方向和飞行速度，当有一只鸟飞到栖息地时，它周围的鸟也会跟着飞向栖息地，最终整个鸟群都会落在栖息地。
1995年，美国社会心理学家James Kennedy和电气工程师RussellEberhart共同提出了粒子群算法(ParticleS warm Optimization， PSO) ，该算法的提出是受对鸟类群体行为进行建模与仿真的研究结果的启发。他们的模型和仿真算法主要对Frank Heppner的模型进行了修正，以使粒子飞向解空间并在最优解处降落。粒子群算法一经提出，由于其算法简单，容易实现，立刻引起了进化计算领域学者们的广泛关注，形成一个研究热点。2001年出版的J.Kennedy与R.Eberhart合著的《群体智能》将群体智能的影响进一步扩大[] ，随后关于粒子群优化算法的研究报告和研究成果大量涌现，继而掀起了国内外研究热潮[2-7]。
粒子群优化算法来源于鸟类群体活动的规律性，进而利用群体智能建立一个简化的模型。它模拟鸟类的觅食行为，将求解问题的搜索空间比作鸟

matlab完整代码|【费用预测】基于matlab粒子群算法优化ELM神经网络预测费用【含Matlab源码 1378期】

推荐阅读

手机电话录音怎么设置

无限极的护肤品怎么样？

赣州客家情精品旅游线路2023 赣州客家情精品旅游线路2023年

东莞市国税局电话东莞市国税局官网

毛栗怎么储存方法毛栗怎么保存方法

大姨妈不能吃什么水果与饮品大姨妈不能吃什么水果与饮品有关

可以自己给自己寄快递吗

“吃得越饱，死得越早”，有没有科学依据？权威机构研究出来了

春困抵挡不住？5款花茶帮你提提神

2 春天每日梳头一百下可明目健脑

8th怎么读 1st怎么读

山羊一年下几个宰「山羊的屠宰方法」

焙烧过程中加煤粉的主要作用焙烧过程中加煤粉的主要作用是

乐播少儿动漫怎样取消乐看儿童动画如何关闭续订，乐看儿童动画如何关闭续订功能

哈尔滨加油站事件，哈尔滨加油站招聘

出国留学需要的条件

中国银行理财产品收益率_中国银行理财

曲阜饭店家常菜哪家好

不思议迷宫撒旦王组合怎么玩撒旦王稳100层打法攻略

电脑怎么添加打印机