粒子群算法在神经网络参数优化中应用-计算机应用技术专业论文.docxVIP

第 第 1 章 绪论 河南科技大学硕士学位论文 河南科技大学硕士学位论文 PAGE PAGE 11 PAGE PAGE 10 第1章 绪论 1.1 课题的意义 优化技术是一种以数学为基础，在合理的时间范围限制下为一个优化问题寻 找最优可行解的应用技术。它作为一个重要的科学分支，在人工智能、计算机科 学、运筹学中占有非常重要的地位[1]。优化算法的研究对完善算法体系、改进算 法性能、拓宽算法应用领域具有重要作用。作为优化技术的重要课题，优化算法 与优化理论研究都具有重要的理论意义和实用价值。20 世纪 80 年代以来，优化 技术有了长足的发展，很多新颖的优化算法涌现出来。它们揭示自然现象、模拟 自然过程，因而得到了迅猛的发展，例如遗传算法、进化规划、人工神经网络、 模拟退火等。这些算法具有独特的优点和机制，它们为解决复杂问题提供了新的 思路和手段，得到了广泛而成功的应用。由于其自然机理和构造的直观性，通常 人们称它们为智能优化算法[2]。 粒子群优化算法（Particle Swarm Optimization，PSO 算法[3]）是智能优化算 法的一种，它是受鱼群，鸟群等生物群落在猎食或防御行为中的搜索策略启发而 形成的，是对鸟群觅食过程中的聚集和迁徙的模拟。它收敛速度快、需设置参数 少且易实现，因而它一经提出就成为进化计算与智能优化领域的一个新的研究热 点，近年来它已