1、粒子群優(yōu)化算法(Particle Swarm Optimization，PSO算法)源于鳥群和魚群群體運(yùn)動(dòng)行為的研究，是一種基于種群搜索策略的自適應(yīng)隨機(jī)算法。它的主要特點(diǎn)是概念簡單、參數(shù)較少、易于實(shí)現(xiàn)。作為一種智能優(yōu)化算法，在工程實(shí)踐中表現(xiàn)出巨大潛力，現(xiàn)己廣泛應(yīng)用于函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)、模糊系統(tǒng)控制、模式識(shí)別等多個(gè)領(lǐng)域。
　　 本文針對(duì)基本粒子群優(yōu)化算法存在易于陷入局部最優(yōu)導(dǎo)致的早熟收斂及收斂速度低等缺點(diǎn)，采用一種帶有自適應(yīng)變異算

2、子的粒子群優(yōu)化算法(MAPSO)。該算法使用了一種新的自適應(yīng)慣性權(quán)重，使得算法在迭代的早期快速進(jìn)入局部搜索，同時(shí)在迭代的后期快速搜索到全局最優(yōu)。并且根據(jù)群體的適應(yīng)度方差和平均聚集距離來判斷算法在迭代的后期是否陷入局部最優(yōu)點(diǎn)陷阱，對(duì)群體中的部分粒子采用新構(gòu)造的變異運(yùn)算，從而擺脫局部搜索的束縛，以提高全局搜索的性能。在研究分析了基本粒子群算法、神經(jīng)網(wǎng)絡(luò)及其相關(guān)技術(shù)的基礎(chǔ)上，設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)分類器，用改進(jìn)后的MAPSO優(yōu)化算法改善神經(jīng)網(wǎng)絡(luò)分類器的