基于混合的GA-PSO神经网络算法

• 作者: 王亚利 王宇平
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 粒子群优化 遗传算法 神经网络
• 年，卷（期）: 2007,（2）
• 所属期刊栏目: 学术探讨
• 页码范围: 38-40,56
• 页数: 4页
• 分类号: TP301.5
• 字数: 3914字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2007.02.010

摘要

粒子群优化(PSO)算法是一类随机全局优化的技术,它通过粒子间的相互作用发现复杂搜索空间中的最优区域.提出了一种基于GA和PSO混合的算法(GA-PSO)用于神经网络训练.算法在产生下一代时,结合了交叉、变异算子和粒子群算法中的速度一位移公式,充分利用了遗传算法的全局寻优和粒子群算法收敛速度快的优点.经GA-PSO训练的神经网络应用于三元奇偶问题和IRIS模式分类问题,与BP、GA和PSO算法相比,该算法在提高训练误差精度的同时加快收敛速度,并能有效避免早熟收敛.仿真结果表明,GA-PSO算法是有效的神经网络训练算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王宇平	西安电子科技大学理学院	128	1633	22.0	34.0
2	王亚利	西安电子科技大学理学院	2	26	1.0	2.0