资源描述：
《群体智能算法在anns中的研究与应用（可编辑）》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、江南大学硕士学位论文群体智能算法在ANNs中的研究与应用姓名:林星申请学位级别:硕士专业:计算机应用技术指导教师:冯斌20080701摘要摘要近年来,随着进化计算研究热潮的兴起,人们逐渐将进化计算与人工神经网络相结合,利用各种进化方法去训练神经网络。由于进化算法具有较强的全局收敛能力和较强的鲁棒性、且不需要借助问题的特征信息,如导数等梯度信息。因此,将两者相结合,不仅能发挥神经网络的泛化映射能力,而且能够提高神经网络的收敛速度及学习能力。本文对智能算法进行了理论分析与方法改进,并研究了小波神经网络的原理及其网络结构,然后将二者结合,运用到实践当中,具体内容如
2、下:首先对粒子群算法、量子粒子群算法的基本原理进行研究,为进一步的学习应用提供了理论基础。针对量子粒子群算法搜索后期多样性损失,不能有效逃离局部最优的问题,本文在量子粒子群算法搜索过程中采用边界变异和基于混沌搜索的量子粒子群算法。通过实验仿真表明,改进的量子粒子群算法的性能确实有所提升。在学习了有关小波神经网络的知识后,对小波神经网络的网络结构及小波基都有了进一步的认识,最终选择小波神经网络作为本文的建模网络结构。这是由于小波在区间【,上具有分段表达式并且为多项式的特点,因而构造的小波神经网络有结构简单、收敛速度快等优点。将基于边界变异的量子粒子群算法、量子
3、粒子群算法和粒子群算法分别用来训练小波神经网络,并将训练后建立的网络模型用于径流预测和异常检测。通过实验表明,边界变异的量子粒子群算法建立的小波神经网络模型,具有收敛精度高,速度快等特点,具有一定的实用价值。本文的研究结果表明,基于边界变异的量子粒子群算法无论是在收敛精度还是速度方面,都要比量子粒子群算法和标准粒子群算法要好些;当用它们训练小波神经网络,并应用到实例当中时,得到的实验结果也表明了类似的结果。关键词:量子粒子群算法,边界变异,径流预测,异常检测,,,.,’’,,’.,;,.:.,...,,;,.,.,’,..,,;,.,:,,,独创性.声明本人
4、声明所呈交的学位论文是苓人在导师指导下进行的研究工作及取得的研究成果.尽我所知,除了文中特另加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含本人为获得江南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。蓉日名:柏堰期:.加多、.。关于论文使用授权的说明本学位论文作者完全了解江南大学有关保留、使用学位论文的规定:江南大学有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅,可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用
5、影印、缩印或扫描等复制手段保存、汇编学位论文,并且本人电子文档的内容和纸质论文的内容相一致。保密的学位论文在解密后也遵守此规定。签名:拴垦日伊男.,?口导师签名:期:么茸第一章绪论第一章弟一早绪论三;百下匕.选题背景及意义近年来,随着进化计算研究热潮的兴起,人们逐渐将进化计算与人工神经网络相结合,利用各种进化方法去训练神经网络。由于进化算法具有较强的全局收敛能力和较强的鲁棒性、且不需要借助问题的特征信息,如导数等梯度信息。因此,将两者相结合,不仅能发挥神经网络的泛化映射能力,而且能够提高神经网络的收敛速度及学习能力。采用进化计算去优化神经网络,比起基于梯度的
6、学习算法,无论是精度还是速度上,均有了很大的提高。然而,作为一种仿生的随机算法,进化计算本身又具有不可克服的缺陷。比如进化计算中研究最为充分的遗传算法,虽然它可以用来求解各类复杂问题,但总是难以克服过早收敛的缺点,同时在采用遗传操作进化时,需要的控制参数过多、尤其是在优化神经网络时候,优化过程总是难以控制。因此,为神经网络的优化寻求更简单、更有效的全局优化算法,是优化领域中的一个研究热点。粒子群优化算法作为一种简单有效的随机搜索群体智能算法,具有收敛速度快,易实现且控制参数少等优点,因而一经提出就成为智能优化与进化计算领域的一个新的研究热点。目前已经有学者将
7、其应用于神经网络优化,尽管这一方面的研究尚处于初期阶段,但是已有的研究成果表明粒子群优化算法在优化神经网络方面具有很大的潜力。由此可见将群体智能算法和神经网络优化相结合,是一个必然的研究趋势,基于群体智能算法优化的神经网络,将在算法收敛性能和网络性能上有大幅度的提高。.群体智能算法的研究概况群体智能算法的研究开始于世纪年代初。其基本思想是模拟自然界生物的群体行为来构造随机搜索算法。典型的方法有.提出的蚁群算法和.与.提出的粒子群算法。蚁群算法是由意大利学者.提出的,它是根据蚂蚁觅食原理而设计的一种群体智能算法。自提出以来,已成功应用于、重建通信路由、连接系统
8、优化等许多领域。粒子群算法年由美国社会心理学家,是在
