植基於退火粒子群最佳化演算法之奇異質分解於 二維濾波器之設計-Annealed particle swarm optimiza- tion, APSO

降水短期气候预测是一个非常复杂、重要的研究课题。为了提高其预测能力，拟采用1959—2011 年逐月74 项大气环流特征量序列、月平均500 hPa 高度场和月平均海温场，选取预测因子；用主分量分析方法提取样本数据中主要信息为综合因子。用粒子群优化人工神经网络方法，建立宣城市夏季降水短期气候预测模型。对2007—2011 年宣城市夏季降水预报检验结果表明，粒子群优化人工神经网络收敛速度快，迭代次数少；试报平均绝对误差是66.5 mm，绝对值平均相对误差10.5 ，预测精度高，具有很好的应用推广前

这是引入了自适应权重特征的粒子群优化算法，其中的通过粒子在整个群中的适应值顺序进行惯性权重的计算，提高了标准粒子群的性能，对于初学者具有很大的帮助-This is the introduction of adaptive weights characteristic particle swarm optimization algorithm, which through the particle in the whole group of fitness order inertia weight

自适应权重的粒子群算法，实现复杂问题的有效求解(Particle Swarm Optimization with Adaptive Weight for Effective Solution of Complex Problems)