基于改进粒子群优化的神经网络及应用6.pdfVIP

第36卷第 5期 华 北 电力 大 学 学 报 VoI．36。No．5 2009年 9月 JournalofNorthChinaElectricPowerUniversity CSp．，2009 基于改进粒子群优化的神经网络及应用 王晓霞a，王 涛 ，谷根代 (华北电力大学 a．计算机科学与技术学院；b．数理学院，河北 保定 071003) 摘要：为了克服粒子群算法的早熟收敛，提 出了一种改进的粒子群算法用于神经网络训练。该算法对种群进 行均匀初始化，用多个粒子的信息引导个体的更新，以保证全局有哪些信誉好的足球投注网站的有效性，同时引入随机算子对陷入局 部最优的粒子进行变异，提高了算法的寻优性能。将改进粒子群算法训练的神经网络应用于 IRIS模式分类 问题和短期电力负荷预测，与BP算法、遗传算法及粒子群算法比较，该算法在提高误差精度的同时可加快 训练收敛的速度 。 关键词：粒子群优化算法；神经网络；遗传算法；模式分类；负荷预测 中图分类号：TP183 文献标识码：A 文章编号：1007—2691(2009)05—0099—04 Neuralnetwork basedonmodifiedparticle swarm optimizationand itsapplication WANG Xiao-xiaa，WANG Tao ，GU Gen—dai (a．SchoolofComputerScienceandTcehnology；b．SchoolofMathematicsandPhysics， NorthChinaElectricPowerUniversity，Baoding071003，China) Abstract：A modifiedparticleswarlnoptimizationalgorithm appliedtotraintheartificialneuralnetworkispropo~d inordertoovercometheproblem ofpremat~eocnvergenceobservde inmanyapplicationsofPSO．Inthenew algo— ritmh ，eachparticleisinitializedequallynadattractde towardsthebetterprevioustmsitionsvisitde bymanyparticlesto improveglobalconvergence．Atthe8aIrletime，thealgoritmh usesrnadom operatortOchnagepositionsoftheparticles whichplungde inthelocaloptimization．Thealgoritmh issuccessfullyapplide toIRISpatternclassifiactionproblems andshortterm power。loadforecasting．Comprade witherrorbackpropagationalgorithm，geneticalgoritmh andbasic particleswrlTloptimiaztion，thealgoritmh canimprovethecomputingaccuracywhilespeeding up theocnvergence proc ess． Keywords：particleSWml~loptimiaztionalgoritmh ；neural network；geneticalgoritmh ；pattern classifiaction；load forecasting 决定性影响。BP算法是最普遍的神经网络训练 0 引 言