一種人工魚群算法的改進及其對BP神經網絡的優(yōu)化研究.pdf

1、人工神經網絡是一種抽象模擬生物神經系統(tǒng)組成結構、工作方式以及系統(tǒng)功能的運算模型。其中，B P神經網絡是運用最為廣泛的一種人工神經網絡。在實際的應用中，B P神經網絡存在著易陷入局部極值的問題。當前對此問題的解決方法主要分為兩大類：第一類是改進BP算法原理；第二類是采用其它領域的理論來優(yōu)化BP算法，如用人工魚群算法優(yōu)化BP神經網絡就屬于第二類解決方法，但人工魚群算法在復雜的應用場景下，其全局尋優(yōu)能力和尋優(yōu)精度都有待提高。因此，本文針對這種

2、不足，先對人工魚群算法進行改進，再用改進的人工魚群算法來優(yōu)化BP神經網絡，以提高BP神經網絡克服局部極值實現(xiàn)正確輸出的能力。本文主要工作如下：
　　第一，為提高人工魚群算法的尋優(yōu)功能，本文提出了一種基于自適應動態(tài)鄰域結構的人工魚群算法（ADAFSA)。在基本人工魚群算法中，視野和步長是固定不定的，人工魚的鄰域結構也是由視野來確定的，這會影響人工魚的全局尋優(yōu)能力和尋優(yōu)精度。ADAFSA主要有以下四點改進：采用一種基于距離和迭代次數(shù)的

3、方式來構建更有效的人工魚鄰域結構；將視野和步長設置為可根據(jù)鄰域結構信息自適應調整的變量；去掉擁擠度因子和增加公告板并改變人工魚的聚群、追尾和覓食行為方式；重新設計了算法的步驟和流程。仿真實驗表明ADAFSA的全局尋優(yōu)能力和尋優(yōu)精度都得到了提高。
　　第二，采用本文所提出的ADAFSA來對 B P神經網絡進行優(yōu)化（ADAFSA-BPNN)。先利用A D A F S A的全局搜索能力，將 B P神經網絡的初始權值和閥值調整至全局最優(yōu)值