粒子群改进算法及在人工神经网络中的应用分析

《粒子群改进算法及在人工神经网络中的应用分析》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、qualityevaluationinstances,theHANNmodelisapprovedthatitisfeasibleandreliableforwaterqualityevaluation.ComparedwiththeperformanceofclassicalRBFANNandPSORBFANN,theHANNmodelshowsbetteraccuracyandcorrelationinwaterqualityevaluation.Inthisthesis,animprovedPSOalgorithmandaviablea

2、ndeffectiveHANNmodelforwaterqualityevaluationaredevelopedbasedonPSOalgorithm,Lorenzchaostheory,andANN.TheproposedHANNmodelmaybeusedforreferenceinmanyresearchfields,ithasagoodapplicationprospect.Keyword:Particleswarm;Hybridalgorithm;Artificialneuralnetwork;Chaoticself-adapti

3、ve;Waterqualityevaluation.in第一章绪论11.1研究背景和意义11.2国内外研究现状分析21.3研究内容21.4论文组织结构31.5本章小结3第二章粒子群算法42.1概述42.2标准PSO算法42.3算法的数学描述52.4优势和局限性62.5应用与发展趋势72.6本章小结7第三章粒子群改进算法3」粒子群算法改进策略83」」参数调整策略83.1.2增加粒子种群多样性策略83.2粒子群改进算法83.3算法性能测试实验93.3.1实验函数与评价93.3.2实验结果113.4本章小结15第四章粒子群改进算法在人工神经网络中的

4、应用16164.1径向基人工神经网络4.2基于粒子群改进算法的径向基人工神经网络模型17模型在水质评价中的应用••••••••18184.3.1问题背景432理论模型与评价194.3.3实验数据及预处理20234.3.4模型结构4.3.5评价结果与讨论254.4本章小结31第五章结论与展望325.1结论325.2展望32致谢33参考文献34第一章绪论1.1研究背景和意义1995,研究者Eberhart和Kennedy提岀粒子群优化算法(ParticleSwarmOptimization,PSO)算法卩刀，PSO算法是根据鸟群等社会性行为而提岀

5、，属于群体演化算法。算法通过个体与群体间的竞争与合作机制进行有效地搜索空间内的食物。例如：在一个给定搜索空间内寻食，通过每个种群个体Z间的信息交流与共享与互相学习，个体受各种群个体的飞行经验的影响，在经过多次迭代后聚集在一个小空间，在搜索最后，整个群体都将聚集在食源位置附近，实现整体寻食。PSO算法将鸟群寻找食物的行为抽象成一个寻优问题，种群通过随机初始化为一组解，每个解即为一个粒子当前位置［删。与其他智能算法相比，PSO算法具有诸多优点，如全局搜索能力较强、结构简单、易于描述和实现、参数较少、无需梯度信息等，使算法在诸多领域得到广泛应用，如

6、函数优化与求解、模式识别、参数优化、多目标问题求解、非线性、多极值和不可微且多变量复杂优化问题的求解等。此外，在人工神经网络训练、模糊逻辑系统控制和函数优化等领域也己经引入粒子群优化算法，并取得了显著的成果，因此，算法吸引了众多工业和学术研究者的注意。也同样存在群体智能算法共有的一些不足卩⑹。在理论研究上，PSO算法缺乏系统的性能和机理分析，无法在理论上彻底剖析种群行为的原因和机制等，从而无法了解种群的内部机理；另外，种群的收敛性理论分析也较难进行。在参数的选择上，PSO算法缺乏系统的理论指导，但算法的性能与其参数的选择和数值有很大程度上的影

7、响，如果能对算法的参数的选择规律有一个定性的分析或认识，对算法的应用很有帮助。为此，如何选择算法的参数也是一个急需研究的问题。重要的是，在执行性能上，PSO算法与其他群体算法一样，如遗传算法，都存在早熟收敛问题和局部搜索能力差等不足⑺刃。如求解高维复杂问题中，在没有搜索到全局最优时，粒子可能将聚集到某个位置停滞不动，即陷入早熟。早熟收敛将无法保证算法在搜索结束后一定能收敛到最优；另外，在搜索后期，也即粒子在极值点区域附近时，收敛速度明显变得缓慢，在寻优后期的粒子搜索能力较差。这些不足使算法在应用过程中受到限制［⑼。为此，针对PSO算法中的一些

8、不足，如早熟收敛问题和局部搜索能力差等,研究效率较高、性能较好且成木更低的PSO算法具有重要意义。特別地，近十多年来，学科的合理交叉使信息学科与其他领域结合成为各学