山梨酸钾是一种常用防腐剂，应用非常广泛，但食用过量会严重危害人体健康。研究了山梨酸钾在水溶液和橙汁中的荧光特性，山梨酸钾水溶液荧光特征峰为λex /λem = 375 nm/485 nm ，山梨酸钾和橙汁的混合溶液除了存在此荧光特征峰，还有一个侧峰λex /λem = 470 nm/540 nm 。在混合溶液中，橙汁和山梨酸钾的荧光特性相互干扰，加大了山梨酸钾浓度检测的难度。为准确测定混合溶液中山梨酸钾的浓度，采用微粒群算法优化的误差逆向传播(PSO-BP)神经网络对其进行检测。3 组预测样本的平均回收率为98.97%，PSO-BP 神经网络能够精确测定混合溶液中山梨酸钾的质量浓度范围为0.1~2.0 g/L。预测结果表明荧光光谱法和PSO-BP 神经网络相结合的方法能有效地检测山梨酸钾在橙汁中的浓度。

基于核函数的Fisher 判别分析(KFD)在人脸识别中通常采用高斯径向基函数做核函数，但核函数中参数σ的选取对分类效果影响较大。目前参数σ 的选取一般仅凭经验，且该方法在处理大样本时，速度较慢。针对这个问题，本文提出了一种融合小波变换和改进KFD 的人脸识别的方法。该方法首先用小波变换降低样本的维数；然后在用KFD 进行特征提取时，采用微粒群算法自动获取一个最优参数σ，增强分类效果；最后用SVM 分类器完成特征的识别。实验表明，该方法与传统的KFD 相比较，运算时间减少，而且识别率得到提高。

根据适应度函数的具体情况改进了微粒群算法,与基本微粒群算法相比,其复杂函数的寻优能力得到了提高。利用改进的微粒群算法对不同结构的拉曼光纤激光器理论模型对应的适应度函数进行了算法测试,保证适应度函数精度(10-5)的情况下,计算时间不超过15 s。与Newton-Raphson打靶算法配合时,有效地缩短计算时间、提高打靶算法稳定性和计算精度。最后,利用该算法数值分析了二阶掺磷拉曼光纤激光器输出端反射率、光纤长度和泵浦功率对输出功率的影响。

The multi-phase particle swarm optimization (MPPSO) technique is applied to retrieve the particle size distribution (PSD) under dependent model. Based on the Mie theory and the Lambert-Beer theory, three PSDs, i.e., the Rosin-Rammer (R-R) distribution, the normal distribution, and the logarithmic normal distribution, are estimated by MPPSO algorithm. The results confirm the potential of the proposed approach and show its effectiveness. It may provide a new technique to improve the accuracy and reliability of the PSD inverse calculation.

在脉冲功率技术中,开关电极的形状优化设计非常重要.利用电荷模拟法对常用的环形电极的电场分布进行了模拟计算,用旋转椭圆近似法优化电极轮廓外形,用微粒群(PSO)算法对轮廓外形的几何参数进行优化选择.结果表明:旋转椭圆近似法结合PSO算法非常适用于环形开关电极自动优化设计,优化所得形状和参数能满足电极之间电场分布的要求.