带蜂群策略的粒子群算法训练人工神经网络研究
提出一种带蜂群策略的粒子群优化算法,并将算法应用于神经网络训练.将蜂群优化算法中引领蜂和观察蜂的收益评价与贪婪选择策略以及侦察蜂的探索新解策略引入到粒子群优化算法中.粒子在飞行时,按维度对粒子速度和位置进行更新,根据对收益的评价,只接收能够提高解适应值的位置,从而加快了收敛速度;如果粒子多次迭代均无法改进解,则在解空间中随机搜索新的位置,增强算法跳出局部极值的能力.在求解异或问题、奇偶校验和编码解码问题的神经网络上进行了仿真,结果表明,该算法优于BP算法、粒子群优化算法和蜂群优化算法.
粒子群优化、蜂群优化、人工神经网络、异或问题、奇偶校验、编码解码问题
32
TP183(自动化基础理论)
福建省自然科学基金项目2008J0316;福建省教育厅科技基金项目JA10118
2012-03-16(万方平台首次上网日期,不代表论文的发表时间)
共4页
3514-3517