---

1.算法原理

【智能算法】麻雀搜索算法（SSA）原理及实现

2.数学模型

支持向量机(SVM)是针对二分类问题，支持向量回归(SVR)基于SVM应用与回归问题。SVR回归与SVM分类的区别在于SVR的样本点只有一类，SVM是要使到超平面最近的样本点的“距离”最大，SVR则是要使到超平面最远的样本点的“距离”最小。

$$\{\begin{array}{ll}\min \frac{1}{2}{\Vert \mathbf{w}\Vert }^2& \\ s.t.\left|y_i-(w{x}_i+b)\right|\le \epsilon ,& \forall i\end{array}\text{\hspace{1em}(1)}$$

c是一个正则化参数，它控制着模型的复杂度和训练数据的适应程度。c是惩罚系数，即对误差的宽容度。c越高容易过拟合，c越小容易欠拟合。

gamma控制着高斯核的宽度，影响样本点的聚合或分散程度。gamma隐含地决定了数据映射到新的特征空间后的分布。gamma越大，支持向量越少；gamma值越小，支持向量越多。

因此，将c和gamma作为优化参数，适应度函数设计为：
$$fitness=erro{r}_{train}+erro{r}_{test}\text{\hspace{1em}(2)}$$

3.结果展示

4.调试记录

PS:训练过程中使用了svmtrain函数，此函数已被删除，因此记录安装LIBSVM——支持向量机库过程。

a.来到下载传送门

下载压缩包后解压，路径一定不能空格

b.导入库文件

c. mex编译

如果没有mex编译功能，来到这里下载：传送门

解压后，matlab命令行执行：

matlab转到libsvm文件下的matlab文件夹

matlab命令行窗口执行：

此刻，安装LIBSVM——支持向量机库 完成✌️

5.参考文献

[1] https://zhuanlan.zhihu.com/p/76609851

[2] 徐炜君.考虑主环境因素的GWO-SVR风电功率超短期预测[J].电子设计工程,2023,31(15):150-156.

6.代码获取