APP下载

一种自适应的混沌粒子群优化RBF神经网络算法

2015-02-17田爱奎韩士元

重庆理工大学学报(自然科学) 2015年11期
关键词:优化

张 义,田爱奎,韩士元

(1.山东理工大学计算机科学与技术学院,山东淄博 255049; 2.济南大学信息科学与工程学院,济南 250022)

一种自适应的混沌粒子群优化RBF神经网络算法

张 义1,田爱奎1,韩士元2

(1.山东理工大学计算机科学与技术学院,山东淄博 255049; 2.济南大学信息科学与工程学院,济南 250022)

为了提高RBF神经网络的预测效果,针对RBF神经网络的不足提出一种自适应混沌粒子群优化RBF神经网络算法(SACPSO-RBF)。该算法主要采用自适应和混沌操作,采用粒子群算法对RBF神经网络进行优化。利用个体的变异、个体之间的交叉操作和个体的混沌扰动,有效克服了粒子群算法的局部收敛性。使用该优化算法对测试函数序列进行预测,并对算法的有效性进行检验。实验结果表明:改进的算法具有良好的预测能力。

混沌;自适应;RBF神经网络;变异;交叉

径向基函数神经网络(RBFNN)是由输入层、隐含层和输出层构成的一种特殊的3层前馈神经网络,具有结构简单、非线性逼近能力强、收敛速度快以及可全局收敛等优点[1]。尽管该网络有诸多优点,但是其网络结构设计参数(包括隐含层节点个数、中心、宽度和隐含层与输出层的权值等)难以确定。粒子群算法(PSO)是一种群体优化算法,具有良好的全局寻优特点。因此,将这两种算法相结合,对PSO算法中的粒子结构使用RBF的参数设定,通过PSO算法寻找最优参数,从而为RBF设定最优的网络结构。

尽管PSO算法具有可全局寻优的特点,但是PSO算法会陷入“早熟”,寻优效果不是很理想[2]。……

登录APP查看全文

猜你喜欢

优化
超限高层建筑结构设计与优化思考
PEMFC流道的多目标优化
民用建筑防烟排烟设计优化探讨
关于优化消防安全告知承诺的一些思考
一道优化题的几何解法
由“形”启“数”优化运算——以2021年解析几何高考题为例
围绕“地、业、人”优化产业扶贫
事业单位中固定资产会计处理的优化
4K HDR性能大幅度优化 JVC DLA-X8 18 BC
几种常见的负载均衡算法的优化