中心引力算法收敛分析及在神经网络中的应用

• 作者: 刘三民 孙知信 孟超
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 收敛性 中心引力优化算法 确定性
• 年，卷（期）: 2013,（10）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 2354-2365
• 页数: 12页
• 分类号: TP183
• 字数: 8415字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2013.04391

摘要

中心引力优化算法(central force optimization,简称CFO)是一种新型的基于天体动力学的多维搜索优化算法.该算法是一种确定性的优化算法,利用一组质子在万有引力作用下的运动,搜索目标函数在决策空间上的最优值.利用天体力学理论对该算法中质子运动方程进行了深入的研究,并利用天体力学中万有引力定理对质子运动方程进行了推导,建立起天体力学与CFO算法之间的联系,通过天体力学中数学分析的方法对该算法中质子收敛性能进行了分析,最后,通过严格的数学推导证明出:无论初始时质子是何种分布,CFO算法中所有的质子始终都会收敛于CFO空间的确定最优解.作为测试效果,将CFO算法与常见的BP训练算法相结合,提出了CFO-BP训练算法,优化前馈型人工神经网络的权值和结构.实验结果表明,采用CFO-BP算法优化神经网络比其他常见优化算法有更好的收敛精度和收敛速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟超	南京航空航天大学计算机科学与技术学院	4	20	2.0	4.0
2	刘三民	南京航空航天大学计算机科学与技术学院	12	74	6.0	8.0