分析了免疫算法和Hopfield神经网络的优缺点,提出了一种解决多峰值函数优化问题的混合算法。Hopfield神经网络易于硬件实现,具有简单、快速的优点,但是对初始值具有依赖性以及容易陷入局部极值。免疫算法具有识别多样性的特点,但搜索效率和精度不高。将两算法结合起来,优势互补。首先用免疫算法寻优,然后对所得具有全局多样性的解进行聚类分析,所得聚类中心作为Hopfield神
维普资讯 doc.guandang.net
第2 7卷第 7期 20 0 7年 7月 文章编号:0 1 9 8 (0 7 0 10— 0 1 20 )7—15— 3 7 1 0 一
计算机应用 Co utrAp lc to mp e p i ains
Vo . 7 No 7 12 .
J l 0 7 uy2 0
种基于免疫和 H p e of l经网络的多峰值优化算法 i d神 周瑞英,军华,娜娜,顾李谭庆 (河北工业大学计算机科学与软件学院,天津 30 3 ) 0 10
摘
(i j yn l 2 6 . o ) t ni ig 0@1 3 cr a n n要:分析了免疫算法和 Hof l神经网络的优缺点,出了一种解决多峰值函数优化问题的 p ed i提
混合算法。H p e神经网络易于硬件实现, ofl id具有简单、快速的优点,但是对初始值具有依赖性以及容易陷入局部极值。免疫算法具有识别多样性的特点,但搜索效率和精度不高。将两算法结合起来, 优势互补。首先用免疫算法寻优,然后对所得具有全局多样性的解进行聚类分析,所得聚类中心作为 H e神经网络的初始搜索点, o l d最后利用 H p e神经网络逐个寻优。实验表明, ofl id该算法是一种有效的求解多峰函数优化问题的方法,与免疫算法相比,索效率和精度都较高。搜 关键词: ofl经网络;疫算法; H pe i d神免聚类;多峰函数优化中图分类号: P 8; P 0 .文献标志码: T 13 T 3 1 6 A Ne a g rt m o u tm o lf nc in ptm ia i n w l o ih f r m li da u to o i z to ba e n m m u e a g rt n H o ied n ur ln t r sd o i n l o ih a d pf l e a e wo k m Z U R i ig U Jnh a I an,T N Q n HO u— n,G u—u,L—a A ig y N ( c o o opt cne ow r e i n ei f Tc o g,T nn 0 1,C i ) Sh lfCm u r i c&S a,Hb &m ̄o e nl y ij 03 h a o eS e t f e eU h o a i3 0 n A src:Bsdo eaa s fmm n er dH p e er e ok( N ) e grh rm lmoa b t t ae nt nl i o u et o a of l n ua n
t r H N,anwa o tm f ut d a h ys i h yn i d l w l i o i l fnt no t i t nw rp sd hs e grh a eav t e f 0 l N n u ea o tm (A,adi uc o pi z i a pooe .T i nw a o tm hdt da a s t N a di i m ao s l i h n g o b lH mm n grh I ) n l i t s o e x el n h r ce sis i p miai n o l mo a ci n n d t i r u fs l t n i ai t r a e h w d e c l tc a a tr t n o t z to mu t d f t .I eal e i c i f i l u n o .a g o p o ou o s w t v rey we e tk n i h b A f s; a d te h ou o s e e p ri o e it o lse . F n l se e t i s eu n d b l se n yI rt n h n t e s l t n w r a t n d no s me cu tr i i i t s i a y du t r e n r d r tr e y c u tr g l o i ag r h w r a e h n t au a h HNN. a d Ho f l e r ewok e e u e o o t i l mii .T e lo t m e e tk n a t e ii a v e o e c i s i l l f n p ed n u a n t r s w r s d t b an al n ma h i l e p f n s o h tt i n w ag r h i f c ie meh d f r mu i d u c in o t z t n Co a e o i x e me ̄ h w t a h s e o t m s a e e t t o o h mo a f t pi a o . i l i n v l n o i m i mp r d t mmu e n l oi ag r h .t e e ii n y a d p e iin a e b t mp o e . t m h fce c rcs r ohi rv n o d
Ke r s of l er e ok( N ) mm n grh (A;cutr ywod:H p ednua nt r H N;i u ea o t i l w l im I ) ls;mu i d co pi zt n e lmoa f t not ai t l u i n mi o
0引言 众所周知,寻找多极
值点是一个具有广泛应用价值的问题。Hof l pe i d神经网络被广泛用于各种优化问题,已设计且出了专门的硬件电路 j。传统的 H p e of l i d神经网络基于梯度下降法 -, 2具有简单、】快速、范的优点,是容易陷入局部规但极值,对于初始值的选取十分敏感。即它只能从所选取的初始点开始沿着负梯度方向向遇到的第一个局部极值点收敛, 并且停止在那里 j目前很多 H p e。 o fl i d神经网络优化算法都是针对这点不足进行改进,如基于局部进化的 H p e of l经 i d神
采用聚类分析方法将多样性解集区间划分,使多峰值函数化为多个单峰值函数,然后逐个寻优。 因此,文考虑用聚类算法将 H p ed神经网络和免疫本 of l i算法结合起来,优势互补。基本思想是,首先进行免疫算法寻优,并对得到的中间解集进行聚类分析,然后把每个聚类中心
作为 H e神经网络的初始搜索点,个寻优, o e神 o l d逐 H l d 经网络将会很快收敛到各个峰值。仿真结果表明,与免疫算
法相比,方法的搜索效率和精度都较高。该
1 Hpe ofl i d神经网络和免疫算法 1 1 H p ed神经网络 . of l i
网络的优化计算方法¨、 j一种基于参数扰动退火策略的神经 网络全局优化新算法等。但这些改进算法只能将 H p ed of l i
神经网络用于全局最优问题,很难用于多峰优化问题。 免疫算法是受生物免疫系统的启示而设计出来的一种具有多峰优化能力的新型算法 .。与遗传算法相比,具有 6 j它
18 9 2年 H ed通过引入能量函数的概念,出了 o l提 H pe of l经网络模型】 9 4年在此基础上, of l i d神。18 H pe i d提出了一个基于梯度下降法的连续 H p ed神经网络 j of l i。本文研究函数优化,因此选用连续 H p e of l i d神经网络,它的动态更新 规则方程是:
保持全局多样性及快速收敛的特点,是与其他确定性算 j但 法相比,收敛速度比较慢,且搜索精度不高。另外,人们也常 收稿日期:07一 1一l;回日期:0 7—0 0。 20 O 1修 20 3— 9
基金项目:天津自然科学基金资助项目(5 F M C 5 0; 0 Y J J 0 70)
河北省自然科学基金资助项目( 20 0 0 0 ) F 06 0 19。作者简介:周瑞荚 (9 0~),,北涞水人, 18女河硕士研究生,主要研究方向:神经网络;顾军华 ( 96一)男, 16,河北赵县人,教授,博士,主要研究方向:智能信息处理;李娜娜 ( 90一)女,北保定人, 18,河助教,硕士,主要研究方向:优化算法;谭庆 ( 9 3,, 1 8一)男天津人,硕士研究生,
主要研究方向:免疫算法。

一种用于多峰值函数优化的算法研究_专业资料。针对基于信息熵计算抗体浓度存在的缺点,以及基于欧氏距离计算抗体相似度非常复杂,定义了一种计算抗体相似度和选择概率的...
5 . Sep. 2006 一种基于 Hopfield神经网络的 TF / TA 航迹规划算法杨华江 ... 是一种分阶段优化的方法 , 虽然计算量低 , 但 没有充分利用地形的高度信息...
一种基于Hopfield神经网络的TF/TA航迹规划算法_专业资料。提出一种基于Hopfield神经网络的无人机地形跟随(TF)/地形回避(TA)航迹规划方法。该方法将地形信息反映到...
关键词: 神经网络 BP学习算法 智能优化算法 1. ...多峰值的、不可微的大矢量 空间中迅速有效地寻找到...基于免疫算法的 B-P 网络权值设计. 昆明理工大学...
一种新的自适应遗传算法及 其在多峰值函数优化中的...目前研究方向为应用图论,系统理论,神经 网络,遗传 ...李枚毅 基于免疫机制和多示例学习的移动机器人进化...
粒子群优化算法可用于解决大 量非线性、 可微和多峰值的复杂问题优化, 已广泛应用于 不并 科学和工程领域, 函数优化, 如: 神经网络训练, 模式分类、 模糊 ...
一种免疫微粒群优化算法 引入克隆选择操作和借鉴免疫学习中较好的多样性来克服微粒群算法易陷于局部最优以及对多峰值函数搜索效果不佳的缺点,构建了一种免疫微粒群...
一种用于优化计算的自适应免疫遗传算法 遗传算法在进化过程中易出现早熟收敛、不能保证种群多样性的现象.鉴于免疫算法适用于多峰值寻优,文章在标准遗传算法中引入...
本文拟利用PSO算法改善神经网络训练性能, 灰色关联分析n优化网络结构,贝叶斯正则法嘲进一步提高网 络的泛化性能,提出了一种基于粒子群优化的神经网络综合 训练算法。...
Keywords—BP neural network, genetic algorithm, optimization 遗传算法在 BP 神经网络优化中的应用解立明潍坊学院信息与控制工程学院,潍坊,山东,中国摘 要 为了...
热门文档