基于并行PSO的模式分類算法及其應(yīng)用研究.pdf

1、 本文提出了一種并行粒子群優(yōu)化算法PPSO，該算法對采用Master-Slave及SPMD相結(jié)合的并行編程模式，主進(jìn)程主要完成種群隨機(jī)初始化、任務(wù)的分發(fā)和根據(jù)適應(yīng)值進(jìn)行粒子的選擇，從進(jìn)程主要完成粒子適應(yīng)值的計算。該算法采用速度-位移搜索模型，操作簡單，計算復(fù)雜度較低，并通過慣性權(quán)重協(xié)調(diào)全局搜索結(jié)果與并行局部搜索結(jié)果，既能以較大的概率保證最優(yōu)解，克服BP算法局部最優(yōu)的缺陷，又可以提高局部區(qū)域的收斂速度，避免GA算法在局部區(qū)域搜索過程

2、中的收斂停滯現(xiàn)象，同時提高求解的速度。本文將并行PSO算法用于優(yōu)化單個多層前向神經(jīng)網(wǎng)絡(luò)和神經(jīng)網(wǎng)絡(luò)集成技術(shù)中，粒子群中的每一個粒子的分量映射為神經(jīng)網(wǎng)絡(luò)中的一組不同權(quán)值，在曙光天潮TC3000服務(wù)器上，利用MPICH并行環(huán)境設(shè)計實現(xiàn)了該并行程序，對入侵檢測數(shù)據(jù)及Breast Cancer模式分類數(shù)據(jù)進(jìn)行測試。實驗結(jié)果表明，并行的PSO算法是有效的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法，用于神經(jīng)網(wǎng)絡(luò)集成中解決模式分類問題，不僅能提高網(wǎng)絡(luò)的泛化能力，提高分類誤差