粒子群优化算法与BP算法和遗传算法的比较研究1.pdfVIP

综述与评论 Review and Comment 粒子群优化算法与BP 算法和遗传算法的比较研究* 董延胜，张安年 ( 河南科技大学 电子信息工程学院，河南 洛阳 471003) 摘 要： 讨论了粒子群优化算法的基本原理和实现步骤，分析了该算法中各参数的设置。 通过一 个测试函数，对粒子群优化算法与遗传算法和 BP 算法分别进行了比较，结果表明粒子群优化算法在 找寻最优解效率上好于其他两种算法。 关键词： 人工神经网络；BP 算法；遗传算法；粒子群优化算法 中图分类号： TP301.6 文献标识码： A Research of particle swarm optimization algorithm comparison with back-propagation algorithm and genetic algorithm DONG Yan Sheng ，ZHANG An Nian (School of Electronic Information Engineering ，Henan University of Science and Technology ，Luoyang 471003 ，China) Abstract ： This paper discusses particle swarm optimization algorithm principle and the step of implementation ， and then ana- lyzes the setting of each parameter. Particle swarm optimization algorithm is compared with genetic algorithm and back-propagation al - gorithm through the same mathematic function. The comparative result indicates that particle swarm optimization algorithm can more easily obtain the optimum solutions than genetic algorithm and back-propagation algorithm. Key words ： artificial neural networks ； back-propagation algorithm ； genetic algorithm ； partical swarm optimization algorithm 人工神经网络 ANN ( Artificial Neural Networks) 是模拟 遗传算法能自适应地控制有哪些信誉好的足球投注网站过程以求得最优解， 大脑分析过程的简单数学模型，它是一个非线性动力学 其本质是一种求解问题的高度并行性全局有哪些信誉好的足球投注网站算法。 与 系统， 其特色在于信息的分布式存储和并行协同处理。 BP 算法比较， 遗传算法训练的神经网络在提高分类正 [ 2] 虽然单个神经元的结构极其简单，功能有限，但大量神 确率的同时可以加快训练的收敛速度 。 但遗传算法复 经元构成的网络系统所能实现的行为却是极其丰富多 杂的遗传操作，如选择、 复制、 交叉、 变异 ，使神经网络 彩的。 在人工神经网络的发展进程中，学习算法的研究 的训练时间随问题的规模及复杂程度呈指数级增长，而 一直有着十分重要的地位。 遗传算法 GA ( Genetic Al-