多智能体粒子群优化的SVR模型预测控制_唐贤伦_李洋_李鹏_刘念慈多智能体粒子群优化的SVR模型预测控制_唐贤伦_李洋_李鹏_刘念慈.pdfVIP

下载本文档

9
0
约2.79万字
约 6页
2017-04-23 发布于贵州
举报
版权申诉

多智能体粒子群优化的SVR模型预测控制_唐贤伦_李洋_李鹏_刘念慈多智能体粒子群优化的SVR模型预测控制_唐贤伦_李洋_李鹏_刘念慈.pdf

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

多智能体粒子群优化的SVR模型预测控制_唐贤伦_李洋_李鹏_刘念慈多智能体粒子群优化的SVR模型预测控制_唐贤伦_李洋_李鹏_刘念慈

网络出版时间：2014-01-08 12:31 网络出版地址：/kcms/doi/10.13195/j.kzyjc.2012.1847.html 第 xx 卷第 x 期控制与决策 201x 年 x 月 Vol. xx No. x Control and Decision xxx. 201x 文章编号: 1001-0920 (0000) 00-0000-00 DOI: 10.13195/j.kzyjc.2012.1847 多智能体粒子群优化的 SVR 模型预测控制唐贤伦, 李洋, 李鹏, 刘念慈 (重庆邮电大学工业物联网与网络化控制教育部重点实验室，重庆 400065) 摘要: 参数的优化选择对支持向量回归机的预测精度和泛化能力影响显著, 鉴于此, 提出一种多智能体粒子群算法 (MAPSO) 寻优其参数的方法, 并建立 MAPSO 支持向量回归模型, 用于非线性系统的模型预测控制, 推导出最优控制率. 采用该算法对非线性系统进行仿真, 并与基于粒子群算法、基于遗传算法优化支持向量回归机的模型预测控制方法和 RBF 神经网络的预测控制方法进行比较, 结果表明, 所提出的算法具有更好的控制性能, 可以有效应用于非线性系统控制中. 关键词: 支持向量回归机；多智能体；粒子群优化；模型预测控制中图分类号: TP273 文献标志码: A Model predictive control based on SVR optimized by multi-agent particle swarm optimization algorithm TANG Xian-lun, LI Yang, LI Peng, LIU Nian-ci (Key Laboratory of Industrial Internet of Things Networked Control，Ministry of Education，Chongqing University of Posts and Telecommunications，Chongqing 400065，China．Correspondent：TANG Xian-lun，E-mail: tangxlun@) Abstract: The prediction accuracy and generalization ability of the support vector regression(SVR) model depend on a proper setting of its parameters to a great extent. An optimal selection approach of SVR parameters is propose