基于改進(jìn)PSO算法的模糊神經(jīng)網(wǎng)絡(luò)研究.pdf

1、隨著科學(xué)技術(shù)的不斷發(fā)展，神經(jīng)網(wǎng)絡(luò)以其較強(qiáng)的學(xué)習(xí)能力、泛化能力和并行處理能力備受學(xué)術(shù)界的關(guān)注;模糊邏輯憑著較強(qiáng)的模擬人類大腦推理能力被廣泛的應(yīng)用在模式識別、故障診斷、股票預(yù)測等非線性系統(tǒng)中。不少科學(xué)家預(yù)測，將模糊邏輯和神經(jīng)網(wǎng)絡(luò)結(jié)合起來的模糊神經(jīng)網(wǎng)絡(luò)(FuzzyNeuralNetwork，F(xiàn)NN)將會成為智能領(lǐng)域中的核心技術(shù)。遺傳算法和基于梯度下降的BP算法是目前被廣泛使用的方法，但是遺傳算法需設(shè)置的參數(shù)較多，基于梯度下降的BP算法的收斂速

2、度慢，且容易陷入局部極小值。本文使用的粒子群(ParticleSwarmOptimization，PSO)算法能夠很好地克服以上兩種算法的缺點(diǎn)，已被廣泛應(yīng)用于函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、模糊系統(tǒng)控制等領(lǐng)域。
　　慣性權(quán)重遞減的線性粒子群算法不能很好地反映非線性優(yōu)化的搜索過程，而動態(tài)粒子群算法能夠?qū)崿F(xiàn)非線性搜索，但是卻極易陷入局部最優(yōu)。針對模糊神經(jīng)網(wǎng)絡(luò)權(quán)值訓(xùn)練的非線性和復(fù)雜過程的特點(diǎn)，以上常規(guī)粒子群算法不能達(dá)到較好的優(yōu)化效果，因此必須對

3、常規(guī)的粒子群算法進(jìn)行改進(jìn)。
　　本文對PSO算法的改進(jìn)包括兩個(gè)方面:一是對粒子群速度更新公式的改進(jìn)，將原公式中個(gè)體粒子的最優(yōu)值替換為所有粒子最優(yōu)值的平均值，使粒子在決策自己行為時(shí)借鑒其他粒子的經(jīng)驗(yàn);二是對慣性權(quán)重ω的計(jì)算方法進(jìn)行改進(jìn)，以此來提高粒子群算法的自適應(yīng)性。實(shí)驗(yàn)結(jié)果證明了改進(jìn)PSO算法在非線性搜索過程中的收斂速度比標(biāo)準(zhǔn)粒子群算法快，誤差也更小。然后通過改進(jìn)PSO算法優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)的參數(shù)，采用函數(shù)擬合的方法對比改進(jìn)PSO算