速度可调节的粒子群算法训练BP神经网络.pdfVIP

第 38 卷增刊 1 中南大学学报( 自然科学版) Vol.38 Suppl.1 2007 年 8 月 J. Cent. South Univ. (Science and Technology) Aug. 2007 速度可调节的粒子群算法训练BP 神经网络 吴文佳，宋晓峰 (南京航空航天大学 自动化学院，江苏 南京，210016) 摘 要：为解决基于粒子群优化算法(PSO) 的BP 网络训练算法(PSO-BP)易陷入局部极小值，不能有效提高训练精 度等问题，本文提出了一种速度可调节的粒子群算法—AVPSO 算法，并将其应用到 BP 网络的训练中，构造了基 于 AVPSO 的BP 网络训练算法AVPSO-BP ，通过 Iris 分类问题，与 PSO-BP 算法及 BP 算法进行了对比。实验结 果表明：AVPSO-BP 不仅在一定程度上克服了 PSO-BP 易于陷入局部极小值的问题，提高了网络的预测能力和稳 定性，而且在一定程度上降低了 BP 网络对参数选择的敏感性。 关键词：粒子群优化算法；BP 神经网络；分类问题；速度可调 中图分类号：TP183 文献标识码：A 文章编号：1672-7207(2007)S1−0047−05 Training BP neural network using adjustable-velocity PSO WU Wen-jia, SONG Xiao-feng (College of Automation Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China) Abstract: Due to the limitation of PSO-BP that the algorithm tends to converge to local optima, and fails to improve the training performance effectively, a novel adjustable-velocity particle swarm optimization is proposed in this paper, and is applied to BP neural network training which called AVPSO-BP. By solving Iris-classification problem，and comparing with PSO-BP and BP, the result shows that AVPSO-BP algorithm is capable of escaping local optima, performs better in accuracy , stability, and also it can reduce the sensitivity caused by BP network parameters to a certain extent . Key words: particle swarm optimization; BP neural network; classification; adjustable-velocity 粒子群优化算法(PSO) 是一种新兴的优化技 在着不完善性，因而基于 PSO 的 BP 网络训练算法 术[1−4] ， 其思想来源于人工生命和进化计算理论，目 (PSO-BP)也常陷入局部极小值，且训练中不能及时根 前已成为广泛应用的优化工具，训练神经网络就是其 据全局误差的变化来调整训练策略，导致预测效果很 重要应用之一。误差反向传播算法(Back propagation，