基于MAPSO算法的小波神经网络训练方法研究

摘要：

为提高小波神经网络（Wavelet Neural Network,WNN）的建模质量,针对标准粒子群（Particle Swarm Optimization,PSO）算法优化WNN存在的早熟和局部收敛问题,提出一种基于多粒子信息共享（Multi-particle information share）和自适应惯性权重（Adaptive inertia weight）策略的PSO方法（MAPSO）用于WNN训练。多粒子信息共享采用多粒子信息来修正各粒子下一次的行动策略,以降低粒子陷入局部最优的可能性;惯性权重自适应调整根据群体早熟收敛程度,按个体适应度自适应调整惯性权重,以使陷入局部最优粒子跳出。同时,给出了算法实现的基本流程。仿真结果表明MAPSO算法既具有PSO算法的简捷性,又能够提高WNN学习速度和精度及全局搜索能力,是小波网络的有效训练方法。

关键词：粒子群、小波神经网络、多粒子信息共享、自适应惯性权重、早熟收敛

所属期刊栏目：24

分类号：TP391.9(计算技术、计算机技术)

在线出版日期：2012-04-28（万方平台首次上网日期，不代表论文的发表时间）

页码：608-612