收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

粒子群改进算法及在混合神经网络中的应用研究

武燕  
【摘要】:随着学科间的相互交叉、相互渗透和相互促进,研究者开始将各类智能优化算法应用于人工神经网络(ANN)训练。其中,粒子群优化(PSO)算法是一种经典的群智能算法,具有结构简单、参数较少、易于描述和实现、全局搜索能力较强等诸多优点,被广泛应用于复杂函数优化、多目标求解、模式识别等诸多领域。但标准的PSO算法也存在早熟收敛和局部搜索能力差等缺点,如应用在高维复杂问题优化时,种群在没有搜索到全局最优点时可能已聚集到某点停滞不动,形成早熟收敛,早熟收敛问题的出现并不能保证算法能收敛到全局极值点;同时,在搜索过程中的粒子在接近或进入最优点区域时收敛速度变得缓慢,即在粒子寻优后期的局部搜索能力较差。针对PSO算法的不足,尽管研究者们也提出了许多改进策略,使得算法性能和效率上都有所改善,但是研究精度更高、性能、效率和相关性更好和适应性更广的智能算法仍然是学术和工业界研究者的重要目标。 本文为提高PSO算法的收敛速度和性能,提出了一种改进PSO算法并应用到ANN训练,得到混合神经网络模型,最后将模型应用于外贸出口预测。主要研究内容如下: (1)提出一种新颖的PSO改进算法。建立了一种基于自适应权值调整策略、混沌理论和模拟退火(SA)算法的PSO改进算法,简称CSAPSO-SA。CSAPSO-SA算法引入自适应权重调整策略以提高算法的收敛速度;通过混沌理论产生的混沌序列改进算法的学习因子,从而权衡算法的开发与探索能力,避免算法的早熟收敛问题;通过引入SA进行局部搜索,大大提高了PSO算法的局部搜索速度和收敛精度。最后通过对4个常用的多目标测试函数进行实例实验,并与传统的多目标求解算法NSGAII和多目标PSO算法进行性能比较。结果表明,CSAPSO-SA算法的收敛速度较快,求解精度较高,多样性较好。 (2)提出一种混合神经网络模型(HANN)。将CSAPSO-SA算法和RBF ANN结合得到混合神经网络模型,简称CSAPSO-SA RBF ANN,或HANN。CSAPSO-SA RBF ANN将CSAPSO-SA算法对RBF ANN的函数中心及扩展常数、网络权值进行优化。模型将各算法的优势相互渗透与补充,从而提高HANN模型的执行性能。 (3)建立了基于HANN的外贸出口预测模型。通过对浙江省和重庆市两个地区的外贸出口实例预测,说明了HANN预测外贸出口的可行性与可靠性。通过与经典的RBF ANN和PSO ANN的预测比较,结果表明HANN模型在预测精度和相关性上均明显较优。 本文将PSO算法、SA算法、混沌理论、ANN等技术相结合,提出了一种高性能算法和一个HANN模型,为外贸出口预测提供了一种可行且高效的方法。同时,提出的CSAPSO-SA算法,也可供许多工业和研究的诸多领域借鉴和参考,有很好的应用前景。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 邵平;杨路明;;旋转45°矩形窗口的积分图像算法改进及应用[J];计算机应用与软件;2008年03期
2 陈苏豫;;用BOOTH算法改进的计算机定点乘法运算[J];晋中学院学报;2008年03期
3 梁勇;孟桥;陆佶人;;Lyapunov指数的算法改进与加权预测[J];声学技术;2006年05期
4 邵平;杨路明;曾耀荣;;计算旋转Harr型特征的积分图像算法改进[J];计算机技术与发展;2006年11期
5 卢铭娜;朱学峰;郭永玲;陈玉霜;;PID控制器微分算法的改进研究和仿真[J];自动化技术与应用;2006年10期
6 杨盘洪;赵建安;朱军祥;杨静;;机动目标跟踪的自适应网格交互多模算法改进[J];仪器仪表学报;2006年S3期
7 连志春;王春光;张洁;;基于小波网络的BP算法改进研究[J];计算机工程与应用;2007年02期
8 陈郁;秦奋;余明全;;B-P神经网络改进及其在Matlab中应用程序发布的研究[J];河南教育学院学报(自然科学版);2007年02期
9 吴建华;邹德旋;李静辉;;一种快速精确的虹膜定位方法[J];仪器仪表学报;2007年08期
10 王玉琨;魏国军;;图像测量中的边界跟踪算法改进[J];橡胶工业;2008年09期
11 陈应霞;陈艳;;关联规则中的Apriori挖掘算法改进[J];长江大学学报(自然科学版)理工卷;2008年04期
12 高经纬;张培林;姜乐华;任国全;;一种人工免疫系统改进算法的仿真研究[J];军械工程学院学报;2009年03期
13 汪丹;;适用于科学合作的知识媒介算法改进[J];图书情报工作;2009年11期
14 王世珍;;基于改进蚁群算法的带时间窗的多目标车辆调度研究[J];科协论坛(下半月);2009年09期
15 徐静婷;;改进差分进化算法研究及应用[J];电子技术;2010年05期
16 张明杰;陈汶滨;;基于加气站槽车调度的模型建立与算法研究[J];信息技术;2011年05期
17 韩瑞峰,张永奎;改进遗传算法与其他算法的比较实验研究[J];电脑开发与应用;2002年11期
18 戴永寿;马西庚;姜浩;;横向延时自适应滤波器改进及应用[J];电子测量技术;2002年06期
19 李彦保,赵忠,卫育新,李辉;陀螺寻北仪的算法改进[J];兵工自动化;2004年05期
20 姚志湘;粟晖;刘焕彬;;针对FastICA计算终点判断的算法改进[J];计算机工程与应用;2006年26期
中国重要会议论文全文数据库 前10条
1 许爱芬;杨胜奎;王鹏;黄勇;钱继锋;;C功能刀具半径补偿的优化算法[A];先进制造技术论坛暨第五届制造业自动化与信息化技术交流会论文集[C];2006年
2 覃喜庆;韩韬;彭春萍;;非制冷红外热像仪实用图像增强技术研究[A];中国造船工程学会电子技术学术委员会2006学术年会论文集(下册)[C];2006年
3 魏俊超;;BP神经网络算法改进研究[A];山东省计算机学会2005年信息技术与信息化研讨会论文集(一)[C];2005年
4 王彤;;对Web使用记录挖掘算法的改进[A];第一届全国Web信息系统及其应用会议(WISA2004)论文集[C];2004年
5 潘大夫;汪渤;;一种改进的Canny算法[A];第二十七届中国控制会议论文集[C];2008年
6 郝红星;吴玲达;宋汉辰;;一种残损图像修补算法改进与实现[A];第18届全国多媒体学术会议(NCMT2009)、第5届全国人机交互学术会议(CHCI2009)、第5届全国普适计算学术会议(PCC2009)论文集[C];2009年
7 申东日;冯少辉;陈义俊;;BP网络学习算法的改进[A];面向21世纪的科技进步与社会经济发展(上册)[C];1999年
8 庞金城;林京;黄晓砥;;宽带信号常规波束形成方位估计算法改进[A];中国声学学会2007年青年学术会议论文集(上)[C];2007年
9 赵运基;裴海龙;;光强自适应补偿的Camshift算法[A];中国自动化学会控制理论专业委员会D卷[C];2011年
10 李国栋;;定点DSP实现均衡的算法改进与仿真[A];系统仿真技术及其应用(第7卷)——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年
中国博士学位论文全文数据库 前10条
1 邱剑锋;人工蜂群算法的改进方法与收敛性理论的研究[D];安徽大学;2014年
2 潘磊;若干社区发现算法研究[D];南京大学;2014年
3 李晓斌;交通出行信息服务平台及其关键技术应用研究[D];华南理工大学;2010年
4 周郭许;盲信号分离若干关键问题研究[D];华南理工大学;2010年
5 严春满;图像稀疏编码算法及应用研究[D];西安电子科技大学;2012年
6 刘维;生物序列模式挖掘与识别算法的研究[D];南京航空航天大学;2010年
7 谢宗伯;信号的噪声抑制理论与技术研究[D];华南理工大学;2010年
8 文飞;非圆信号参数估计方法研究[D];电子科技大学;2014年
9 吴学雁;金融时间序列模式挖掘方法的研究[D];华南理工大学;2010年
10 张重毅;群智能优化及模拟算法研究与应用[D];吉林大学;2013年
中国硕士学位论文全文数据库 前10条
1 包震宇;基于粗糙集对Apriori算法的改进[D];上海师范大学;2010年
2 刘红卫;线性回归模型中多重共线性问题的应对策略及其几点改进[D];西南交通大学;2006年
3 周育乾;基于粒子群优化算法的滤波器设计与实现[D];南京理工大学;2007年
4 刘恒辉;红外图像处理算法研究及其FPGA实现[D];武汉理工大学;2008年
5 黄永;改进蚁群算法及其在公交线网优化中的应用[D];华东师范大学;2010年
6 杨海;蚁群算法及其在智能交通中的应用[D];山东师范大学;2008年
7 杨丹;人工蜂群算法的改进及应用研究[D];安徽大学;2014年
8 皇甫丽英;G.728算法改进及低码率LD-CELP算法研究[D];太原理工大学;2002年
9 刘佳;基于Gibbs算法的改进算法及其在识别MOTIF中的应用[D];吉林大学;2010年
10 武燕;粒子群改进算法及在混合神经网络中的应用研究[D];景德镇陶瓷学院;2014年
中国重要报纸全文数据库 前5条
1 四川省畜牧科学研究院 易礼胜;饲料配方软件的算法[N];中国畜牧兽医报;2008年
2 黄慧琴 陈松;阿尔戈马钢铁厂转炉工艺的改进措施[N];世界金属导报;2007年
3 记者 胡亚 通讯员 孟晋宝;我国陆表遥感产品验证实验完成[N];中国气象报;2008年
4 易水;IEEE 802.11i 提升无线网的安全[N];计算机世界;2003年
5 本报记者 于翔;搜索整合前路漫漫[N];网络世界;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978