粒子群算法的改進(jìn)及其在BP神經(jīng)網(wǎng)絡(luò)中的應(yīng)用.pdf

1、粒子群優(yōu)化算法是一種新穎的仿生、群智能優(yōu)化算法。該算法原理簡(jiǎn)單、需調(diào)整的參數(shù)少、收斂速度快而且易于實(shí)現(xiàn)，因此近年來(lái)粒子群算法引起了廣大學(xué)者的關(guān)注。然而到目前為止粒子群算法的在理論分析和實(shí)踐應(yīng)用方面尚未成熟，仍有大量的問(wèn)題需進(jìn)一步研究。本文針對(duì)粒子群算法易出現(xiàn)“早熟”陷入局部極小值問(wèn)題對(duì)標(biāo)準(zhǔn)粒子群算法進(jìn)行改進(jìn)并將改進(jìn)的粒子群算法應(yīng)用于BP神經(jīng)網(wǎng)絡(luò)中。本文的主要工作如下：
　　本文首先介紹了粒子群算法的國(guó)內(nèi)外的研究現(xiàn)狀與發(fā)展概況，較系

2、統(tǒng)地分析了粒子群優(yōu)化算法的基本理論，總結(jié)常見(jiàn)的改進(jìn)的粒子群優(yōu)化算法。其次介紹了Hooke-Jeeves模式搜索法的算法分析、基本流程及應(yīng)用領(lǐng)域。
　　針對(duì)標(biāo)準(zhǔn)粒子群優(yōu)化算法存在“早熟”問(wèn)題，易陷入局部極小值的缺點(diǎn)，本文對(duì)標(biāo)準(zhǔn)粒子群算法進(jìn)行改進(jìn)。首先將原始定義的初始種群劃分為兩個(gè)相同的子種群，采用基于適應(yīng)度支配的思想分別將每個(gè)子種群劃分為兩個(gè)子集，Pareto子集和N_Pareto子集；然后將兩個(gè)子群中的適應(yīng)度較優(yōu)的兩個(gè)Pareto

3、子集合為新種群。由于新種群的參數(shù)設(shè)置區(qū)別于標(biāo)準(zhǔn)粒子群算法的參數(shù)設(shè)置，新的粒子與標(biāo)準(zhǔn)種群中的粒子飛行軌跡不同，種群的探索范圍擴(kuò)大，從而使算法的全局搜索能力有所提高。為平衡粒子群算法的全局尋優(yōu)能力和局部尋優(yōu)能力，提高粒子群算法的求解精度和效率，本文在新種群尋優(yōu)過(guò)程中引入具有強(qiáng)收斂能力Hooke-Jeeves搜索法，提出了IMPSO算法。并用IMPSO算法對(duì)標(biāo)準(zhǔn)基準(zhǔn)測(cè)試函數(shù)進(jìn)行實(shí)驗(yàn)，將得到的實(shí)驗(yàn)結(jié)果并與標(biāo)準(zhǔn)粒子群算法對(duì)基準(zhǔn)函數(shù)的實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)

4、比，仿真結(jié)果證明了該改進(jìn)的粒子群算法的有效性。
　　最后本文研究改進(jìn)的粒子群算法在BP神經(jīng)網(wǎng)絡(luò)中的應(yīng)用。首先介紹人工神經(jīng)網(wǎng)絡(luò)的原理及基于BP算法的多層前饋神經(jīng)網(wǎng)絡(luò)，其次用IMPSO算法訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)并給出訓(xùn)練流程圖。將IMPSO算法訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)分別應(yīng)用于齒輪熱處理中硬化層深的預(yù)測(cè)以及用于柴油機(jī)的缸蓋與缸壁的故障診斷中，并將預(yù)測(cè)結(jié)果、診斷結(jié)果與BP神經(jīng)網(wǎng)絡(luò)、標(biāo)準(zhǔn)粒子群優(yōu)化算法訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)的實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果證明