粒子群与遗传算法优化支持向量机的应用

为了提高参数优化精度，研究将粒子群算法与支持向量机相结合，建立基于粒子群算法的支持向量机复杂过程系统稳态模型。在此基础上，为解决粒子群算法容易出现早熟收敛、搜索精度不高、在迭代的后期效率低、容易陷入局部极优点等问题，提出了引入遗传算法的改进粒子群算法。通过利用改进后的粒子群算法对支持向量机参数进行优化，并应用到青霉素发酵这一复杂工业系统。仿真结果表明，改进算法提高了工业产量，实现了对系统结果的优化