基于改进QPSO算法的小波神经网络参数优化

摘要：

针对传统的小波神经网络在参数优化过程中所采用的梯度下降法容易产生局部最优，提出了一种改进的量子行为PS O算法。新算法通过在最优平均值的全局搜索点中加入权重系数，用于改善粒子群的全局、局部搜索能力和收敛速度，当粒子进化到后期，满足早熟条件时，粒子群在该维上发生变异，重新初始化后的位置均匀分布在可行区域上，用于提高搜索精度。仿真实验结果表明，改进QPSO算法比常规网络训练方法在寻优能力方面更加有效。

关键词：权重系数、小波神经网络、量子行为粒子群算法、个体变异、优化

分类号：TP391(计算技术、计算机技术)

在线出版日期：2014-01-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：91-94