基于改進粒子群算法的模糊神經(jīng)網(wǎng)絡研究.pdf

1、近年來，模糊神經(jīng)網(wǎng)絡正日益引起學術界的重視和關注，模糊邏輯具有模擬人類大腦推理的能力，可廣泛用于模式識別、專家系統(tǒng)、故障診斷、系統(tǒng)辨識以及非線性系統(tǒng)的控制。神經(jīng)網(wǎng)絡則具有從數(shù)據(jù)中學習的能力、并行處理能力、容錯以及泛化能力。模糊神經(jīng)網(wǎng)絡結(jié)合了兩者的優(yōu)點，克服了神經(jīng)網(wǎng)絡從輸入到輸出的“黑箱”式非線性映射，又克服了人為選取模糊規(guī)則時存在的主觀性。很多專家預測模糊神經(jīng)網(wǎng)絡技術有望成為21世紀智能控制領域的核心技術，并且其學習算法也引起了高度的重

2、視。
　　目前使用的最多的學習算法仍然是基于梯度下降的BP算法和遺傳算法。然而基于梯度下降的BP網(wǎng)絡存在收斂速度慢、易陷入局部極小的缺陷。而遺傳算法需要設置很多參數(shù)。為了解決BP算法和遺傳算法的缺點，一些學者把粒子群算法用于對模糊神經(jīng)網(wǎng)絡權(quán)值的訓練。
　　PSO的優(yōu)勢在于簡單容易實現(xiàn)并且沒有許多參數(shù)需要調(diào)整。目前已廣泛應用于函數(shù)優(yōu)化，神經(jīng)網(wǎng)絡訓練，模糊系統(tǒng)控制等領域。
　　針對模糊神經(jīng)網(wǎng)絡權(quán)值訓練的非線性、復雜過程，慣

3、性權(quán)重線性遞減的線性粒子群算法往往不能反映非線性優(yōu)化搜索過程，動態(tài)粒子群算法雖然能較好的實現(xiàn)非線性的搜索，但是更容易陷入局部最優(yōu)。
　　因此本文提出了基于禁忌搜索的動態(tài)粒子群算法。改進的粒子群算法引入了禁忌搜索的思想，來解決動態(tài)粒子群算法容易陷入局部最優(yōu)的問題；并對禁忌公式進行了修改，使其不僅可以解決極小值最優(yōu)問題，而且可以解決極大值最優(yōu)問題。實驗結(jié)果表明，改進的粒子群算法在非線性的搜索極值過程中收斂速度和最終結(jié)果都要優(yōu)于慣性權(quán)重