基于pso的自组织rbf神经网络优化设计及应用研究

《基于pso的自组织rbf神经网络优化设计及应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中文图书分类号：TP183密级：公开UDC：621.3学校代码：10005硕士学位论文MASTERALDISSERTATION基于PSO的自组织RBF神经网络论文题目：优化设计及应用研究论文作者：周文冬学科：控制科学与工程指导教师：韩红桂教授论文提交日期:2016年6月UDC：621.3学校代码：10005中文图书分类号：TP183学号：S201302153密级：公开北京工业大学工学硕士学位论文题目：基于PSO的自组织RBF神经网络优化设计及应用研究英文题目：OPTIMAZATIONANDAPPLIZACTIONofSELF-ORGANIZINGRBFNEURALNETWO

2、RKBASEDONPSO论文作者：周文冬学科专业：控制科学与工程研究方向：智能计算与智能系统申请学位：工学硕士指导教师：韩红桂教授所在单位：电子信息与控制工程学院答辩日期：2016年6月授予学位单位：北京工业大学独创性声明本人声明所呈交的论文是我个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，除了文中特别加Ｗ标注和致谢的地方外，论文中不包含其他人己经发表或撰写过的研究成果，也不包含为获得北京工业大学或其它教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意。签名＾：商袁矣曰

3、期：年《月《曰关于论文使用授权的说明本人完全了解北京工业大学有关保留、使用学位论文的规定目；，Ｐ学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可公布论文的全部或部分内容，可Ｗ采用影印、缩印或其他复制手段保存论文。（保密的论文在解密后应遵守此规定）签名？：蘭袁朱曰期访：＞４年占月《曰导师签名：曰期＞仍６月《曰（＾：年———Ｉ１摘要摘要径向基（RadialBasicFunction,RBF）神经网络作为一种前馈型神经网络，在模型预测、智能控制和模式识别等领域得到广泛应用。然而，当前RBF神经网络

4、结构主要通过经验或凑试的方法确定，且结构一旦确定将不再调整，极大的降低了RBF神经网络的自适应能力。因此，如何在RBF神经网络参数优化的同时实现其结构的自适应调整，提高RBF神经网络的性能，提升其应用能力，是RBF神经网络设计及应用中亟待解决的难题。为了解决RBF神经网络结构动态优化的问题，文中在深入分析RBF神经网络特性的基础上，设计了一种自适应粒子群优化（AdaptiveParticleSwarmOptimization,APSO）算法，获得了一种基于APSO的自组织RBF(APSO-SORBF)神经网络。为了进一步提高自组织RBF神经网络的泛化能力，设计了一种自适应梯

5、度多目标粒子群优化（AdaptiveGradientMultiobjectiveParticleSwarmOptimization，AGMOPSO）算法，提出了基于AGMOPSO算法的自组织RBF(AGMOPSO-SORBF)神经网络优化方法。并且对RBF神经网络结构动态调整过程的收敛性进行深入分析。论文主要研究工作如下：1.APSO算法设计：针对标准粒子群优化（ParticleSwarmOptimization,PSO）算法存在早熟收敛、易陷入局部收敛等问题，文中设计了一种APSO算法。利用粒子群体的多样性及个体粒子的飞行状态信息，自适应调整粒子飞行参数，更好的避免粒子陷

6、入局部收敛，平衡粒子全局与局部搜索能力。实验结果表明，文中提出的APSO相比其他改进PSO具有更高的搜索精度。2.APSO-SORBF神经网络设计及应用：针对RBF神经网络参数优化及结构动态调整问题，设计了一种APSO-SORBF神经网络。将RBF神经网络的参数（中心值、宽度、连接权值）作为粒子空间位置，将粒子空间维数映射到隐含层神经元数，实现了RBF神经网络结构及参数同时优化，解决了RBF结构与参数不匹配的问题。非线性系统建模的实验结果表明：提出的自组织机制能够优化RBF神经网络结构，获得的APSO-SORBF神经网络精度较高，并将APSO-SORBF神经网络应用于污水处

7、理过程出水总磷软测量模型设计，取得较好的预测精度。3.MOPSO算法设计：针对影响RBF泛化能力的多个因素之间相互冲突的问题，设计了一种MOPSO算法。同时，基于多目标梯度(MultiobjectiveGradient,MOG)增强局部开发能力，并通过粒子的飞行信息，提出自适应飞行参数策略，I北京工业大学工学硕士学位论文较好的平衡粒子全局与局部搜索，设计一种AGMOPSO算法。实验结果表明AGMOPSO具有更好的收敛精度和收敛速度。4.AGMOPSO-SORBF神经网络设计及应用：为了提高自组织RBF神经网的泛化能