基于模糊神经网络和一种新量子遗传算法的融合技术研究.pdfVIP

高技术通讯2004·增刊 基于模糊神经网络和一种新量子遗传算法的融合技术 李春鑫①李天伟 (大连舰艇学院航海系 大连116018) 摘要 针对模糊神经网络的缺陷问题，提出了一种网络的快速算法和一种新量子遗传 算法相融合的技术。快速算法只需对数据进行一次学习，避免了传统的迭代，并引入了置 信度的概念；新量子遗传算法的全局寻优能力强，通过对模糊神经网络参数的优化，可提 高网络性能。通过仿真，该融合算法技术收敛速度快，精度高，具有广泛的应用价值。 关键词模糊神经网络，新量子遗传算法，融合技术，参数优化 纛●囊 0 引言 簟●焉 模糊神经网络能有效地学习模糊规则，在各种 领域中得到了广泛的应用。但通常有以下两个缺 点：(1)网络的收敛性依赖于初始条件，即网络的各 ●■3曩 种控制参数需要专家设定；(2)网络规模较大，特别 是隐层节点。而遗传算法与模糊神经网络相结合的 目的：(1)学习各变量的隶属度函数；(2)学习模糊规 ■l麓 则。量子遗传算法是近年来新发展的一种基于量子 计算原理的概率优化方法【1,2]，具有收敛速度快，全 ■l爱 局寻优能力强的特点。本文研究将模糊神经网络和 遗传算法相融合，提出一种快速模糊神经网络学习 图1模糊神经网络结构圈 算法，用一种新量子遗传算法对网络参数进行优化， 提高网络的快速性和精确性。 第2层：戈2=t02Yl 1 模糊神经网络的快速算法 其中，·*表示数组相乘，彬3(i，：)为／／)3的第i行，丁 模糊模型可由如下语句表示： 为丁模算子； andis then彳is R1：if菇isA1 Y B1 C1 andis then彳is R2：if菇isA2 Y B2 C2 运算采用C模算子，W。的元素为0或1；同时 …… (1) 在求取tt，。时，将训练数据中的输出部分模糊化：Y’。 R。：if搿isandis An Y B。then彳isG =Vl 模糊神经网络的结构图如图1所示。 (i)一a2(i))／b2(i))2)。 第5层：一个神经元输出： 设戈f(歹)，yi(_『)为第i层第歹个神经元的输入输 ^，f4) ^，(4／ 出，Wt为第i层神经元的连接权值，Ⅳ(i)为第i层 神经元的个数，Al、曰l和A2、曰2分别为口1(i)、bl 另一神经元：在求鲫。时，将训练数据y输入网 (i)和a2(i)、b2(i)的集合，则网络各层输入输出