粒子群优化小波神经网络车位预测

利用粒子群优化小波神经网络进行车位预测，仿真结果显示预测精度较高

%gbest PSO的matlab实现代码如下：
tic   %该函数表示计时开始
%要进行预测的实测数据
%初始格式化
clear all;
clc; 
%给定初始化条件
c1 = 1.4962;             %加速常数即学习因子1 
c2 = 1.4962;             %加速常数即学习因子2 
w = 0.7298;              %惯性权重
MaxDT = 1000;           %最大迭代次数
N = 96;                  %初始化群体个体数目 
eps = 10^（-7）;           %设置精度（在已知最小值时候用）
%初始化种群的个体（可以在这里限定位置和速度的范围）
for i = 1:N
    x（i） = randn;  %产生一个服从正态分布的随机数作为初始化位置
    v（i） = randn;  %产生一个服从正态分布的随机数作为初始化速度
end 
%先计算各个粒子的适应度，并初始化个体最优位置y和全局最优位置Pg 
for i=1:N
    p = sphere1（x）;  %计算适应度，测试函数为sphere
    y（i） = x（i）;    %初始化个体最优位置y为在时间步t=0时的粒子位置
end
Pg = x（1）;             %Pg为全局最优位置
for i=2:N
    if sphere1（x（i）） < sphere1（Pg）
        Pg = x（i）;%更新全局最优位置
    end
end
%进入主要循环，按照公式依次迭代，直到满足精度要求
for t=1:MaxDT
    for i=1:N
        v（i） = w*v（i） + c1*

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        3437  2018-09-03 20:12  PSOandWNN.m