pso-svm在python中的运行可通过以下方式进行:
Step1:初始化粒⼦群规模m,设定算法的权重因⼦,终⽌条件和初始粒⼦编码;
Step2:将每个粒⼦的个体极值设置为当前位置,利⽤**适应度函数**计算每个粒⼦的适应度值,取适应度好的粒⼦做,对应的个体极值作为最初的全局极值;
Step3:按照粒⼦的位置和速度更新公式进⾏迭代计算,更新粒⼦的位置和速度;
Step4:按照粒⼦的**适应度函数**计算每次迭代后每个粒⼦的适应度值;
Step5:将每个粒⼦的适应度值与其个体极值的适应度值作⽐较,如果更优的话,则更新个体极值,否则保留原值;
Step6:将更新后的每个粒⼦的个体极值与全局极值⽐较,如果更优的话,则更新全局极值,否则保留原值;
Step7:判断是否满⾜终⽌条件,若达到最⼤迭代次数或者所得解收敛或者所得解已经达到了预期的效果,就终⽌迭代,否则返回Step3
Step8:得到使得模型最佳的参数组合,⽤于构建⼦最优模型。