-
题名基于分组混沌PSO算法的模糊神经网络建模研究
被引量：5
- 1
-
-
作者
张楠
南敬昌
高明明
-
机构
辽宁工程技术大学电子与信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2017年第9期31-37,共7页
-
基金
国家自然科学基金(No.61372058)
辽宁省高等优秀人才支持计划项目(No.LR2013012)
辽宁省教育厅科学研究一般项目(No.L2015209)
-
文摘
为改善记忆功放建模的精度,且针对粒子群算法早期收敛速度较快,但在后期易陷入早熟收敛,局部最优等特点,提出了一种分组并行混沌粒子群优化算法(Grouping Parallel-Chaotic Particle Swarm Optimization,GPCPSO),将分组粒子群优化算法与混沌思想相结合,并用该算法优化动态模糊神经网络(Dynamic Fuzzy Neural Network,DFNN)参数,建立DFNN功放模型。引入分组的CPSO群算法,将种群划分为若干个组,每组单独计算,大大提高了收敛速度,同时将混沌思想运用到每个粒子当中去,避免早熟和局部最优,缩短了迭代时间。通过仿真结果可以看到,GP-CPSO优化后的动态模糊神经网络建模的训练误差减小到0.1以内,收敛速度提高32.5%,从而验证了这种建模方法有效且可靠。
-
关键词
混沌思想
分组并行粒子群算法
动态模糊神经网络
记忆功放模型
-
Keywords
chaos theory
grouping parallel particle swarm optimization
dynamic fuzzy neural network
memory power amplifier model
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
