粒子群优化算法与BP算法和遗传算法的比较研究.pdfVIP

综述与评论 Review and Comment 粒子群优化算法与BP 算法和遗传算法的比较研究* 董延胜，张安年 ( 河南科技大学 电子信息工程学院，河南 洛阳 471003) 摘 要： 讨论了粒子群优化算法的基本原理和实现步骤，分析了该算法中各参数的设置。 通过一 个测试函数，对粒子群优化算法与遗传算法和 BP 算法分别进行了比较，结果表明粒子群优化算法在 找寻最优解效率上好于其他两种算法。 关键词： 人工神经网络；BP 算法；遗传算法；粒子群优化算法 中图分类号： TP301.6 文献标识码： A Research of particle swarm optimization algorithm comparison with back-propagation algorithm and genetic algorithm DONG Yan Sheng ，ZHANG An Nian (School of Electronic Information Engineering ，Henan University of Science and Technology ，Luoyang 471003 ，China) Abstract ： This paper discusses particle swarm optimization algorithm principle and the step of implementation ， and then ana- lyzes the setting of each parameter. Particle swarm optimization algorithm is compared with genetic algorithm and back-propagation al - gorithm through the same mathematic function. The comparative result indicates that particle swarm optimization algorithm can more easily obtain the optimum solutions than genetic algorithm and back-propagation algorithm. Key words ： artificial neural networks ； back-propagation algorithm ； genetic algorithm ； partical swarm optimization algorithm 人工神经网络 ANN ( Artificial Neural Networks) 是模拟 遗传算法能自适应地控制搜索过程以求得最优解， 大脑分析过程的简单数学模型，它是一个非线性动力学 其本质是一种求解问题的高度并行性全局搜索算法。 与 系统， 其特色在于信息的分布式存储和并行协同处理。 BP 算法比较， 遗传算法训练的神经网络在提高分类正 [ 2] 虽然单个神经元的结构极其简单，功能有限，但大量神 确率的同时可以加快训练的收敛速度 。 但遗传算法复 经元构成的网络系统所能实现的行为却是极其丰富多 杂的遗传操作，如选择、 复制、 交叉、 变异 ，使神经网络 彩的。 在人工神经网络的发展进程中，学习算法的研究 的训练时间随问题的规模及复杂程度呈指数级增长，而 一直有着十分重要的地位。 遗传算法 GA ( Genetic Al-