基于分组混沌PSO算法的模糊神经网络建模研究

• 作者: 南敬昌 张楠 高明明
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 混沌思想 分组并行粒子群算法 动态模糊神经网络 记忆功放模型
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 理论与研发
• 页码范围: 31-37
• 页数: 7页
• 分类号: TP301.6
• 字数: 6565字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1510-0259

摘要

为改善记忆功放建模的精度,且针对粒子群算法早期收敛速度较快,但在后期易陷入早熟收敛,局部最优等特点,提出了一种分组并行混沌粒子群优化算法(Grouping Parallel-Chaotic Particle Swarm Optimization,GP-CPSO),将分组粒子群优化算法与混沌思想相结合,并用该算法优化动态模糊神经网络(Dynamic Fuzzy Neural Network,DFNN)参数,建立DFNN功放模型.引入分组的CPSO群算法,将种群划分为若干个组,每组单独计算,大大提高了收敛速度,同时将混沌思想运用到每个粒子当中去,避免早熟和局部最优,缩短了迭代时间.通过仿真结果可以看到,GP-CPSO优化后的动态模糊神经网络建模的训练误差减小到0.1以内,收敛速度提高32.5%,从而验证了这种建模方法有效且可靠.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	南敬昌	辽宁工程技术大学电子与信息工程学院	143	665	12.0	15.0
2	高明明	辽宁工程技术大学电子与信息工程学院	59	194	8.0	10.0
3	张楠	辽宁工程技术大学电子与信息工程学院	8	44	4.0	6.0