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
