-
题名基于信息素的自适应连续域混合蚁群算法
被引量：16
- 1
-
-
作者
周袅
葛洪伟
苏树智
-
机构
江南大学物联网工程学院
轻工过程先进控制教育部重点实验室(江南大学)
-
出处
《计算机工程与应用》
CSCD
北大核心
2017年第6期156-161,共6页
-
基金
国家自然科学基金(No.61402203)
江苏省普通高校研究生科研创新计划项目(No.KYLX15_1169)
江苏高校优势学科建设工程资助项目
-
文摘
针对连续域混合蚁群算法(HACO)易陷入局部最优和收敛速度较慢的问题,提出了基于信息素的自适应连续域混合蚁群算法(QAHACO)。首先提出了一种新的解更新方式,对档案中的解进行信息素挥发,扩大了搜索范围,提高了算法的全局搜索能力,并且自适应地调整信息素挥发速率,更好地平衡收敛速度和收敛精度,其次采用了一种信息分享机制,将当前解与其他所有解的平均距离和当前解与至今最优解的距离相结合,进一步加快收敛速度。通过对测试函数进行仿真实验,结果表明,和连续域蚁群及其改进算法相比,QAHACO算法的寻优能力明显提高,寻优速度有一定的优势。
-
关键词
连续域蚁群优化
信息分享机制
信息素
信息素挥发
局部最优
-
Keywords
ant colony optimization for continuous domains
information sharing mechanisms
pheromone
pheromone evaporation
local optimum
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名前馈神经网络连续二元蚁群训练模型
- 2
-
-
作者
颜晨阳
-
机构
宁波城市职业技术学院
-
出处
《软件导刊》
2011年第6期28-30,共3页
-
文摘
提出了一种用离散模型逼近连续模型进而求解连续域上的优化问题的蚁群优化算法Binary-ACO,并将Bi-nary-ACO与经典BP训练算法进行混合(LMBP和SDBP)应用于多层感知机的训练问题中,并在3个测试数据集上进行对比实验。实验结果证明单一蚁群优化算法作为一种通用的优化算法在前馈神经网络训练问题中的性能无法与经典的BP算法相比较,但是蚁群优化算法和BP经典训练算法结合的混合算法表现性能优良。两种混合算法(Bi-nary-ACO-sdbp和Binary ACO-lmbp)都获得了相当良好的解,特别是Binary ACO-lmbp这种算法不仅比单一的蚁群优化算法的性能上有相当的提高而且也优于经典的BP算法。
-
关键词
前馈神经网络
权值训练
连续域蚁群优化模型
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
