收藏本站
《西安电子科技大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

粒子群算法的改进及其在人工神经网络中的应用

周蕾  
【摘要】:粒子群优化算法(Particle Swarm Optimization, PSO)是由Kennedy博士和Eberhart博士在1995年提出的算法,该算法是一种新颖的仿生优化算法,由于粒子群优化算法的基本原理简单、实现操作简单,必须设置的参数不多,因此得到了广泛的认同和关注,而且已被应用于函数优化、神经网络、模糊系统控制等多个领域。 本文首先分析了研究粒子群优化算法的重要意义,接着从PSO算法的基本结构、算法基本原理、改进的方法、实现的模式及应用的领域等方面做了较深入的系统的研究工作。本文的主要研究成果可归纳如下: 1.针对PSO算法在进化搜索过程中常常因为种群的多样性减少的太快,造成PSO算法过早收敛,导致发生PSO算法寻找全局最优解的性能较差的问题,提出了一种改进的粒子群优化算法,在该算法中采用了动态调整的学习因子和基于粒子飞行坐标调整的惯性权重,并充分体现了劳动分工的思想,达到了增加种群多样性的目的。实验结果证明,该算法能够有效地避免种群早熟收敛,提高了算法的收敛解的精度。 2.PSO算法中,粒子仅仅吸取个体经验信息和群体经验信息来搜索解空间以得到全局最优解,因此,粒子所获取的经验信息量不足以克服PSO算法早熟收敛的缺点。本文提出了另一种改进粒子群优化算法,该算法在粒子的速度公式中添加了附加的经验信息,以达到增加粒子个体自身所获得的经验信息量的目的,并且依据粒子的速度变化情况和粒子之间汇集程度来调整惯性权重,实验证明,该算法能够稳定地、有效地收敛到精度较高的最优解。 3. BP (Back Propagation)算法是用于训练人工神经网络的一种学习算法,但是其具有训练速度慢、易陷入局部极小和全局搜索能力弱等不足。本文将提出的两种改进粒子群优化算法用于训练人工神经网络,通过实验对比分析,证明了改进粒子群优化算法在训练人工神经网络时可以有效克服BP算法所存在的不足。 总之,论文对粒子群优化算法做了较为全面深入的分析与讨论,不仅提出了两种有效的改进的方法,而且拓宽了改进方法的应用领域。论文最后对所做工作进行了总结,并提出了进一步研究的方向。
【学位授予单位】:西安电子科技大学
【学位级别】:硕士
【学位授予年份】:2010
【分类号】:TP301.6;TP183

【相似文献】
中国期刊全文数据库 前10条
1 霍志国;刘文生;张飞;吴永康;;基于粒子群优化算法神经网络在开采沉陷中的应用[J];世界科技研究与发展;2011年06期
2 王润芳;张耀军;裴志松;;新型的动态粒子群优化算法[J];计算机工程与应用;2011年16期
3 白明明;甘娜;;粒子群优化算法的改进与分析[J];科技广场;2008年07期
4 徐从东;陈春;;一种自适应动态控制参数的粒子群优化算法[J];计算机工程;2013年10期
5 仇国庆;唐贤伦;庄陵;杨志龙;;基于混沌粒子群优化的神经网络在旋转机械故障诊断中的应用[J];中国机械工程;2008年21期
6 洪贵汕;许波;;一种改进的粒子群优化算法[J];广东石油化工学院学报;2013年04期
7 张少辉;吴文欢;韩秋英;;非线性随机扰动的粒子群优化算法[J];周口师范学院学报;2012年05期
8 刘伟;张龙水;范金玉;;基于粒子群优化神经网络的谐波检测[J];大庆石油学院学报;2010年01期
9 赵志刚;常成;;简化的自适应粒子群优化算法[J];广西大学学报(自然科学版);2010年05期
10 戴彩霞;;一种改进的自适应粒子群优化算法[J];广西轻工业;2009年05期
中国重要会议论文全文数据库 前10条
1 薛海龙;朱伟峰;李林川;李源;;基于粒子群优化算法考虑多种负荷方式的配电网络重构[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(中册)[C];2008年
2 孙红光;潘毓学;;基于运动目标路径的粒子群优化算法研究[A];第二届全国信息获取与处理学术会议论文集[C];2004年
3 张妍;张晓光;王永钢;;几种改进型的粒子群优化算法[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年
4 侯志荣;吕振肃;;基于退火策略的粒子群优化算法[A];2003年中国智能自动化会议论文集(下册)[C];2003年
5 沈希;黄振迪;黄跃进;;基于遗传策略的粒子群优化算法[A];2009中国仪器仪表与测控技术大会论文集[C];2009年
6 孙向军;赵斯强;严宗睿;;基于粒子群优化的反潜搜索研究[A];2008年全国开放式分布与并行计算机学术会议论文集(下册)[C];2008年
7 徐东;李晔;唐旭东;庞永杰;廖煜雷;;基于变异行为的自适应粒子群优化算法[A];中国自动化学会控制理论专业委员会A卷[C];2011年
8 刘钊;;基于粒子群优化算法的足球机器人动作选择研究[A];2004中国机器人足球比赛暨学术研讨会论文集[C];2004年
9 韩毅;唐加福;郭伟宏;刘阳;;混合粒子群优化算法求解多层批量问题(英文)[A];中国运筹学会第八届学术交流会论文集[C];2006年
10 金一粟;梁逸曾;;空间自适应粒子群优化算法的应用研究[A];第九届全国计算(机)化学学术会议论文摘要集[C];2007年
中国重要报纸全文数据库 前10条
1 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年
2 本报记者 赵文红;胖不胖:看人工神经网络怎么“称”[N];科技日报;2016年
3 苑希民(中国水利水电科学研究院决策支持技术研究室 主任) 李彦彬 徐建新(华北水利水电学院) 李鸿雁(北京理工大学管理与经济学院) 苑韶峰 吕军(浙江大学环境与资源学院);人工神经网络 灵感源于大脑[N];中国水利报;2005年
4 本报记者 靖九江 采写;人工神经网络在临床上的应用[N];中国医药报;2005年
5 胡性慧 王唯赫 杨腾;人工神经网络拓宽版权贸易路径[N];中国知识产权报;2010年
6 本报记者 许旸;《未来简史》说你的人生将由人工智能决定,你信吗[N];文汇报;2017年
7 记者 孙奇茹;国家级人工智能实验室花落北京[N];北京日报;2017年
8 记者 吴韬 高珊;机器翻译,人类语言藩篱破除之径?[N];河北日报;2017年
9 记者靖九江;发动e引擎 推动健康事业发展[N];中国医药报;2005年
10 本报记者 赵晨 李佳师;谁将主导“类脑计算”?[N];中国电子报;2016年
中国博士学位论文全文数据库 前10条
1 易云飞;基于伊藤随机过程的粒子群优化算法及其应用研究[D];武汉大学;2015年
2 郑波;基于粒子群优化算法的航空发动机故障诊断与性能参数预测研究[D];电子科技大学;2018年
3 余炳辉;粒子群优化算法试验研究及扩展[D];华中科技大学;2007年
4 张丽平;粒子群优化算法的理论及实践[D];浙江大学;2005年
5 窦全胜;求解优化问题的演化计算方法研究[D];吉林大学;2005年
6 熊勇;粒子群优化算法的行为分析与应用实例[D];浙江大学;2005年
7 王俊伟;粒子群优化算法的改进及应用[D];东北大学;2006年
8 莫愿斌;粒子群优化算法的扩展与应用[D];浙江大学;2006年
9 唐贤伦;混沌粒子群优化算法理论及应用研究[D];重庆大学;2007年
10 唐贤伦;混沌粒子群优化算法理论及应用[D];重庆大学;2007年
中国硕士学位论文全文数据库 前10条
1 周蕾;粒子群算法的改进及其在人工神经网络中的应用[D];西安电子科技大学;2010年
2 纪雪玲;改进粒子群优化算法及其在人工神经网络中的应用研究[D];西南林业大学;2012年
3 王亚;一类改进的粒子群优化算法对混沌系统未知参数的估计[D];北京交通大学;2014年
4 李研博;基于粒子群优化算法的水箱过程装置控制研究[D];河北工业大学;2011年
5 张龙水;粒子群优化神经网络的谐波检测研究[D];东北石油大学;2010年
6 赵玉静;改进的粒子群优化算法及应用[D];华南理工大学;2011年
7 居凤霞;粒子群优化算法的改进及应用[D];华南理工大学;2014年
8 周驰;粒子群优化算法应用研究[D];华中科技大学;2007年
9 张彤;粒子群优化算法的研究和改进[D];南京理工大学;2006年
10 朱嘉瑜;基于粒子群优化算法的隐马尔可夫模型优化及其应用研究[D];广州大学;2009年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026