基于改进混沌PSO的多相机组网优化研究

摘要

多相机组网网络设计具有多参数、多约束、运算量大等特点,在理论上是一个复杂的优化策略问题,寻找其绝对精确的最优解通常需要很大的运算量,因此在实现时必须考虑算法效能.利用基于粗糙集的启发式属性约简算法获得特征属性的约简,在此基础上利用改进的支持向量机对约简信息进行预测.为了获得最优预测精度,采用混沌粒子群优化(PSO)算法以避免SVM预测模型的局部优化.最后通过实验对粒子群优化(PSO)算法、改进的PSO(IPSO)算法与混沌PSO(CPSO)算法性能进行比较,分析结果表明,相比于其它方法,该方法在收敛速度以及防止局部寻优等性能方面有较大提高.