基于粒子群优化算法的窗口参数确定

摘要

本文在概率密度函数估计的框架下对5种粒子群优化(Particle swarm optimization-PSO)算法的性能进行了验证,它们分别是标准粒子群优化(Standard PSO-SPSO),带约束因子的粒子群优化(PSO with a constriction factor-PSOCF),高斯粒子群优化(Gaussian PSO-GPSO),带高斯跳跃的高斯粒子群优化(Gaussian PSO with Gaussian jump-GPSOGJ),以及带柯西跳跃的高斯粒子群优化(Gaussian PSO with Cauchy jump-GPSOCJ).基于3种不同的窗口参数(Bandwidth parameter)表达式确定方法,即Bootstrap方法,Least-squares cross-validation(LSCV)方法,以及biased cross-validation(BCV)方法,本文分别使用这5种PSO算法来寻找最优的窗口参数,并在4种常用的概率分布上对它们的优化性能进行了比较,实验的结果表明,带有跳跃的高斯粒子群优化,即GPSOGJ和GPSOCJ,获得了最佳的求解效果.