：智能算法如粒子群算法已被应用于PID控制器的参数优化，以弥补传统优化方法容易产生振荡和较大超调量 的不足，但是粒子群算法存在易于早熟的缺点，在分析量子粒子群算法的基础上，提出了使用量子粒子群算法优化PID控 制器的参数。为了兼顾控制系统的各项性能指标，根据控制器的实际要求对各项指标进行加权作为算法的目标函数，对 PID控制器进行多目标寻优。通过2个传递函数实例，分别使用z—N、粒子群算法和量子粒子群算法进行了PID控制器 参数优化设计，并对结果进行了分析。-Abstract：H

PID控制器的性能取决于其控制参数的组合，针对其参数的整定和优化问题，提出了应用一种改进的粒子群优化算法，该 算法借鉴了遗传算法的杂交机制，并采用惯性权值的非线性递减策略。用以加速算法的收敛速度和提高粒子的搜索能力。将该算 法应用于一个二阶系统的PID控制器参数的优化。仿真结果表明该改进的粒子群算法具有比传统粒子群算法和遗传算法更好的 优化效果，具有一定的工程应用前景。-Abstract：PID controller’s performance completely depends

提出了一种基于改进 BP 神经网络和粒子群优化算法( PSO) 的图像滤波方法 。该方法利用双曲正切形式 的误差函数代替 BP 神经网络传统的最小均方误差函数( LMS),并将改进后的 BP 神经网络利用 PSO 算法优 化,用来减小图像噪声对神经网络精度的影响以及避免神经网络陷入局部极小值点,从而提高神经网络去噪能 力。实验结果表明,与传统滤波方法相比,该方法不仅能有效地滤除图像中的高斯噪声而且能很好地保护图像 细节 。- U63D0 u51FA u4E86 u4E00