基于SPPSO算法的时滞HBV模型的系统辨识研究

摘要：

系统辨识是现代控制理论中的一个很活跃的分支.目前的系统辨识多采用二次规划等解析算法,不足之处在于可辨识的参数少、收敛慢、对参数的初值依赖大.随着智能控制领域研究的不断发展,非线性程度也就越来越高,一些经典的方法很难满足需要.而小种群粒子群算法(SPPSO)作为一种全局优化算法,易于实现,且收敛速度快,计算效率高,在处理数据量较大的大规模种群问题时可大大降低时间和资源的开销,因此在系统辨识特别是高度非线性、时滞系统中更具有意义.而这类复杂的系统在医学系统中具有典型性.所以将该算法用于求解时滞的乙型肝炎动力学模型有很好的研究价值和实用价值.

关键词：时滞的HBV动力学模型、非线性系统辨识、小种群粒子群优化算法

所属期刊栏目：40

分类号：TP312(计算技术、计算机技术)

资助基金：国家自然科学基金项目61070008

在线出版日期：2013-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：210-213,217