论文部分内容阅读
系统辨识是现代控制理论中的一个很活跃的分支。目前的系统辨识多采用二次规划等解析算法，不足之处在于可辨识的参数少、收敛慢、对参数的初值依赖大。随着智能控制领域研究的不断发展，非线性程度也就越来越高，一些经典的方法很难满足需要。而小种群粒子群算法（SPPSO）作为一种全局优化算法，易于实现，且收敛速度快，计算效率高，在处理数据量较大的大规模种群问题时可大大降低时间和资源的开销，因此在系统辨识特别是高度非线性、时滞系统中更具有意义。而这类复杂的系统在医学系统中具有典型性。所以将该算法用于求解时滞的乙型肝炎动力学