生物系统参数估计的改进粒子群优化算法

摘要

提出一种基于分解技术的粒子群优化算法,通过分解问题到每个决策变量,把PSO算法从多维索空间集中到利用单维空间上。在两个不同的模拟场景和一个由计算机模拟出的新陈代谢系统的真实数据集上,将该算法的均方根误差与迭代无迹卡尔曼滤波算法、模拟退火算法和传统PSO算法进行比较,仿真和真实数据集上的测试结果表明,该算法的均方根误差,比对比方法分别减少55.16%和19.62%,说明了提出的方法对非线性问题的未知参数估计具有较佳的性能。