10.3778/j.issn.1002-8331.1510-0259
基于分组混沌PSO算法的模糊神经网络建模研究
为改善记忆功放建模的精度,且针对粒子群算法早期收敛速度较快,但在后期易陷入早熟收敛,局部最优等特点,提出了一种分组并行混沌粒子群优化算法(Grouping Parallel-Chaotic Particle Swarm Optimization,GP-CPSO),将分组粒子群优化算法与混沌思想相结合,并用该算法优化动态模糊神经网络(Dynamic Fuzzy Neural Network,DFNN)参数,建立DFNN功放模型.引入分组的CPSO群算法,将种群划分为若干个组,每组单独计算,大大提高了收敛速度,同时将混沌思想运用到每个粒子当中去,避免早熟和局部最优,缩短了迭代时间.通过仿真结果可以看到,GP-CPSO优化后的动态模糊神经网络建模的训练误差减小到0.1以内,收敛速度提高32.5%,从而验证了这种建模方法有效且可靠.
混沌思想、分组并行粒子群算法、动态模糊神经网络、记忆功放模型
53
TP301.6(计算技术、计算机技术)
国家自然科学基金61372058;辽宁省高等优秀人才支持计划项目LR2013012;辽宁省教育厅科学研究一般项目L2015209
2017-05-24(万方平台首次上网日期,不代表论文的发表时间)
共7页
31-37