基于PSO的级联马赫-曾德尔型光滤波器优化设计

首次应用连续和离散版本的粒子群优化算法(PSO),实现级联马赫-曾德尔干涉仪(MZI)型光滤波器中关键结构参数(耦合角和相移因子)对理想系数的逼近,完成光滤波器的优化设计.结果表明:三级级联MZI型滤波器输出响应与理想响应之间的误差控制在10^-5量级内;同时与遗传算法(GA)设计方案相比,PSO方案具备计算时间少、逼近适应度好、滤波消光比高的特点.     

基于PSO-BP算法的无线传感器网络定位优化

在研究现有定位算法的基础上,针对基于接收信号强度指示(RSSI)定位模型中的参数易受环境影响等问题,提出了一种新型的粒子群优化(PSO)算法与后向传播(BP)神经网络相结合的算法.BP网络算法权值的修正依赖于非线性梯度值,易形成局部极值,同时学习次数较多,需先通过粒子群算法进行优化.为了提高定位精度,首先采用速度常量法滤波处理,然后通过改进的混合优化算法对BP神经网络初始权值和阈值进行优化,并分析算法的性能.试验中隐层节点个数采用试错法,从12到19变化,以确定合适数目.实验结果表明,与一般加权算法和传统BP算法相比,改进的混合优化算法可大幅改善测距误差对定位误差的影响,同时可使25 m内最小定位误差小于0.27 m.