基于差分进化生物地理学优化的多层感知器训练方法_王娟.pdfVIP

网络出版时间：2016-06-14 11:25:35 网络出版地址：/kcms/detail/51.1196.TP1125.002.html 优先出版 计 算 机 应 用 研 究 第33 卷 基于差分进化生物地理学优化的多层感知器训练方法* 1, 2 2 2 王 娟 ，吴宪祥 ，曹艳玲 (1．西安翻译学院 基础课部，西安 710105 ；2 ．西安电子科技大学 空间科学与技术学院ICIE 研究所，西安 710071) 摘 要：针对生物地理学优化训练多层感知器存在的早熟收敛以及初始化灵敏等问题，提出一种基于差分进化生物地理 学优化的多层感知器训练方法。将生物地理学优化（Biogeography-based Optimization ，BBO ）与差分进化(Differential Evolution ，DE)算法相结合，形成改进的混合 DE_BBO 算法；采用改进的 DE_BBO 来训练多层感知器（Multi-Layer Perceptron ，MLP ），并应用于虹膜、乳腺癌、输血、钞票验证等4 类数据分类。与BBO 、PSO 、GA、ACO 、ES 、PBIL 等6 种主流启发式算法的实验结果进行比较表明，DE_BBO_MLP 算法在分类精度和收敛速度等方面优于已有方法。 关键词：生物地理学优化；差分进化；多层感知器；数据分类 中图分类号：TP183 Multi-layer perceptron using hybrid differential evolution and biogeography-based optimization 1, 2 2 2 Wang Juan , Wu Xianxiang , Cao Yanling (1. Dept of Basic Courses, Xian Fanyi University, Xian China, 710105; 2. ICIE Institute, School of Aerospace Science Technology, Xidian University, Xian 710071, China) Abstract: The problems of premature convergence and initialization-sensitive are often experiencing when we train the Multi- Layer Perceptron using the biogeography-based optimization. This paper proposed a novel Multi-Layer Perceptron training method using hybrid differential evolution and biogeography-based optimization . This paper introduces the differential evolution