【摘要】本文在概率密度函数估计的框架下对5种粒子群优化（Particle swarm optimizationPSO）算法的性能进行了验证，它们分别是标准粒子群优化（Standard PSOSPSO），带约束因子的粒子群优化（PSO with a constriction factorPSOCF），高斯粒子群优化（Gaussian PSOGPSO），带高斯跳跃的高斯粒子群优化（Gaussian PSO with Gaussian jumpGPSOGJ），以及带柯西跳跃的高斯粒子群优化（Gaussian PSO with Cauchy jumpGPSOCJ）.基于3种不同的窗口参数（Bandwidth parameter）表达式确定方法，即Bootstrap方法，Leastsquares crossvalidation （LSCV）方法，以及biased crossvalidation （BCV）方法，本文分别使用这5种PSO算法来寻找最优的窗口参数，并在4种常用的概率分布上对它们的优化性能进行了比较，实验的结果表明，带有跳跃的高斯粒子群优化，即GPSOGJ和GPSOCJ，获得了最佳的求解效果. 全文查看链接