Title一种基于混沌遗传与粒子群混合优化的过程神经网络训练算法
Other TitlesA training algorithm of process neural networks based on CGA combined with PSO
Authors许少华
何新贵
Affiliation东北石油大学计算机与信息技术学院,黑龙江大庆163318
北京大学信息科学技术学院,北京100871
北京大学信息科学技术学院,北京,100871
Keywords过程神经网络 训练算法 混沌遗传算法 粒子群算法 混合优化策略 process neural networks training algorithm chaos genetic algorithm particle swarm optimization hybrid optimization strategy
Issue Date2013
Publisher控制与决策
Citation控制与决策.2013,(9),1393-1398.
Abstract针对时变输入/输出过程神经网络的训练问题,提出一种基于混沌遗传与带有动态惯性因子的粒子群优化相结合的学习方法。综合利用粒子群算法的经验记忆、信息共享和混沌遗传算法的混沌轨道遍历搜索性质,基于PNN训练目标函数,构建两种算法相混合的进化寻优机制,通过适应度评估和优化效率分析自适应调节混沌遗传与粒子群算法的切换,实现网络参数在可行解空间的全局优化求解。实验结果表明,该算法较大提高了PNN的训练效率。
URIhttp://hdl.handle.net/20.500.11897/267477
ISSN1001-0920
Appears in Collections:未确定



License: See PKU IR operational policies.