人工智能计算

代码说明：

粒子群优化（PSO）依靠其学习策略指导其搜索方向。传统上，每个粒子利用其历史最好的体验，并通过线性 叠加及其邻近地区的最佳体验。这种学习策略是容易使用的，但在复杂的问题空间搜索时是低效的。因此，在 设计学习策略，可以利用以前的搜索信息（经验）更有效地已成为最突出和活跃的粒子群算法研究课题之一。 在本文中，我们提出了一种正交学习（OL）策略PSO地发现，就在于通过正交实验设计上面两个经验更多有用 的信息。我们称这个PSO正交学习粒子群优化（OLPSO）