思维进化算法在BP神经网络拟合非线性函数中的应用研究.docVIP

------------------------------------------------------------------------------------------------ —————————————————————————————————————— 思维进化算法在BP神经网络拟合非线性函数中的应用研究 第34卷第2期2015年2月绵阳师范学院学报JournalofMianyangNormalUniversityVol．34No．2Feb．，2015 思维进化算法在BP神经网络 拟合非线性函数中的应用研究 刘 摘俊（商洛学院电子信息与电气工程学院，陕西商洛726000）要：直接使用BP神经网络拟合非线性函数，具有预测精度差、收敛速度慢等缺点.该文提出利用极强全 局搜索能力的思维进化算法来优化BP神经网络.首先根据BP神经网络拓扑结构构建思维进化算法模型，然后用思维进化算法得到的最优解作为BP神经网络的初始权值和阈值，最后利用MATLAB软件对多个非线性函数进行拟合仿真实验，比较思维进化算法优化BP神经网络和单纯使用BP神经网络的预测结果.数据表明，优化后的BP神经网络具有更高的拟合精度和更短的网络训练时间. 关键词：思维进化算法BP神经网络函数拟合 612x（2015）02-0079-05文章编号：1672-中图分类号：TP183文献标志码：A DOI:10.16276/j.cnki.cn51-1670/g.2015.02.014 在工程应用领域中，经常需要对大量采集的历史数据进行函数拟合.然而这些数据常常是复杂、多元的非线性关系，传统的最小二乘、多项式回归等拟合方法无法满足拟合精度要求. 人工神经网络具有良好的非线性并行处理能力，强大的学习和泛化能力，为非线性函数拟合提供了有 ［1］效途径.张宝堃等利用非线性映射能力较强的BP神经网络拟合了一组单输入单输出非线性函数，但该 .徐富强等采用遗传算法优化BP神经网络的初始权值和阈值，并用方法存在局部最优问题等缺点 ［5］于非线性函数拟合，该方法全局搜索能力较强，但误差依然较大.沈学利等将粒子群优化算法应用于BP ［6］神经网络的参数训练，对非线性函数拟合有一定的效果，但存在精度较差，容易陷入局部最优等缺点. 本文提出了思维进化算法与BP神经网络结合的算法，利用思维进化算法优化BP神经网络的初始权值和［2，3］［4］阈值，通过多个非线性函数拟合实验验证了该算法的强拟合能力和有效性. 1 1．1思维进化算法思维进化算法概述 ［7］思维进化算法（MindEvolutionaryAlgorithm，简称MEA）由孙承意等研究者于1998年提出，该算法是 ［8］其思想来源于模仿人类思维进化过程.针对遗传算法的缺陷而提出的一种新型进化算法， ———“趋同”思维进化算法继承了遗传算法的“群体”和“进化”的思想，提出了新的操作算子和“异 ，化”这两种操作相互协调，其中任一操作改进都可以提高算法的整体搜索效率.由于思维进化算法具有良好的扩充性、移植性和极强的全局优化能力，已经成功应用于图像处理、自动控制、经济预测等领域. 1．2思维进化算法基本思想 思维进化算法是一种通过趋同、异化等操作，不断迭代进行优化学习的方法，基本的进化过程如下： （1）群体生成.在解空间中随机生成P个个体，所有个体组成一个群体.根据适应度函数计算出每个个体的得分.收稿日期：2014－11－09 作者简介：刘俊（1986－），男，山西大同人，硕士，助教，研究方向：计算机测控系统．［9－13］ 第34卷绵阳师范学院学报（自然科学版）·80· （2）子群体生成.得分最高的前M个个体作为优胜个体，前第M+1到第M+N共N个个体作为临时个体.以所选优胜个体和临时个体为中心，生成M个优胜子群体和N个临时子群体，每个子群体的个体数目为P/（N+M）. （3）趋同操作.各子群体内部个体为成为胜者而进行局部竞争，此过程为趋同过程.若一个子群体不在产生新的胜者（即子群体成熟），则竞争结束，该子群体的得分就是子群体中最优个体的得分，并把得分 趋同过程结束.张贴在全局公告板上.直到所有子群体全部成熟， （4）异化操作.成熟后的子群体之间为成为胜者而进行全局竞争，不断探索新的解空间，此过程为异 比较优胜子群体和临时子群体的得分高低，完成子群体间的替换、废弃、个体释化操作.从全局公告板上， 放的过程，最后得到全局最优个体及其得分. （5）迭代操作.异化结束后，被释