基于免疫遗传算法改进DFNN模型及其应用

摘要：

针对动态模糊神经网络(DFNN)在进行预测应用时容易陷入"局部极值"的缺陷,提出一种改进方案.综合人工免疫算法和遗传算法的优点,用免疫选择优化遗传算法的进化策略,提出一种新的免疫遗传算法.将免疫遗传算法对模糊神经网络的学习算法进行改进,增强其学习能力和算法的稳定性.结合复杂性强的短期电价预测问题,采集美国PJM电力市场的实际数据作为样本数据,对免疫遗传算法改进DFNH进行实证研究.研究结果表明:与DFNN的预测结果相比,改进后的方法在同样的运算条件下,预测精度提高4.5%,而运算时间仅增加6.4 S,说明基于免疫遗传算法对DFNN模型的改进效果较好.

关键词：免疫算法、遗传算法、动态模糊神经网络

所属期刊栏目：39

分类号：TP18;TM74(自动化基础理论)

资助基金：国家自然科学基金;美国能源基金会项目

在线出版日期：2008-06-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：345-349