论文部分内容阅读
为了提高铅酸电池荷电状态（SOC）的预测准确率,该文提出一种基于粒子群优化的高斯过程回归（PSO-GPR）算法。该算法的核心思想是通过粒子群优化（PSO）算法来解决高斯过程回归（GPR）模型中的超参数优化问题。PSO-GPR首先随机生成一个粒子群,群中的每个粒子包含对应的GPR超参数信息。随后执行如下迭代步骤：根据当前每个粒子的超参数信息训练对应的GPR模型并评估该模型的性能,结合适应度函数和每个模型的评估结果计算出每个粒子的适应度,并更新每个粒子中的超参数信息;经过多次迭代后,找到粒子群中适应度最小的粒