本文選題：混沌思想 + 分組并行粒子群算法��； 參考：《計(jì)算機(jī)工程與應(yīng)用》2017年09期

【摘要】：為改善記憶功放建模的精度,且針對(duì)粒子群算法早期收斂速度較快,但在后期易陷入早熟收斂,局部最優(yōu)等特點(diǎn),提出了一種分組并行混沌粒子群優(yōu)化算法(Grouping Parallel-Chaotic Particle Swarm Optimization,GPCPSO),將分組粒子群優(yōu)化算法與混沌思想相結(jié)合,并用該算法優(yōu)化動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)(Dynamic Fuzzy Neural Network,DFNN)參數(shù),建立DFNN功放模型。引入分組的CPSO群算法,將種群劃分為若干個(gè)組,每組單獨(dú)計(jì)算,大大提高了收斂速度,同時(shí)將混沌思想運(yùn)用到每個(gè)粒子當(dāng)中去,避免早熟和局部最優(yōu),縮短了迭代時(shí)間。通過仿真結(jié)果可以看到,GP-CPSO優(yōu)化后的動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)建模的訓(xùn)練誤差減小到0.1以內(nèi),收斂速度提高32.5%,從而驗(yàn)證了這種建模方法有效且可靠。
[Abstract]:In order to improve the modeling accuracy of memory amplifier, the particle swarm optimization (PSO) algorithm can converge quickly in the early stage, but it is easy to fall into premature convergence and local optimum in the later stage. A group parallel chaotic particle swarm optimization (PSO) algorithm called grouping Parallel-Chaotic Particle Swarm Optimization is proposed, which combines the PSO algorithm with the chaotic idea. The algorithm is used to optimize the parameters of dynamic Fuzzy Neural Network (DFNN) and establish the DFNN power amplifier model. The CPSO swarm algorithm of grouping is introduced to divide the population into several groups, each group is calculated separately, which greatly improves the convergence rate. Meanwhile, chaos is applied to each particle to avoid precocity and local optimization, and the iterative time is shortened. The simulation results show that the training error of GP-CPSO optimized dynamic fuzzy neural network model is reduced to less than 0.1, and the convergence speed is increased by 32.5, which proves that this modeling method is effective and reliable.
【作者單位】： 遼寧工程技術(shù)大學(xué)電子與信息工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(No.61372058) 遼寧省高等優(yōu)秀人才支持計(jì)劃項(xiàng)目(No.LR2013012) 遼寧省教育廳科學(xué)研究一般項(xiàng)目(No.L2015209)
【分類號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鐘珞,白振剛,夏紅霞,周興剛,馬志軍;灰色問題神經(jīng)網(wǎng)絡(luò)建模優(yōu)化及其應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2001年09期

2 鐘珞;白振剛;夏紅霞;呂宏輝;周興剛;;灰色問題神經(jīng)網(wǎng)絡(luò)建模的白化方法[J];模式識(shí)別與人工智能;2001年02期

3 喬俊偉,詹永麒,施光林;基于結(jié)構(gòu)的擬神經(jīng)網(wǎng)絡(luò)建模與優(yōu)化方法研究　[J];機(jī)械工程學(xué)報(bào);2002年01期

4 李敏遠(yuǎn),都延麗;一類過程控制對(duì)象的神經(jīng)網(wǎng)絡(luò)建模及仿真[J];系統(tǒng)仿真學(xué)報(bào);2003年11期

5 姚小群;姚錫凡;王衛(wèi)平;陳統(tǒng)堅(jiān);;基于最大熵準(zhǔn)則的加工過程神經(jīng)網(wǎng)絡(luò)建模[J];機(jī)械制造;2005年12期

6 葛愛冬;隋青美;王斌鵬;;混合神經(jīng)網(wǎng)絡(luò)建模方法在青霉素發(fā)酵過程中的應(yīng)用[J];山東輕工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年03期

7 張杰;桑志祥;李紹軍;;應(yīng)用專家知識(shí)提高神經(jīng)網(wǎng)絡(luò)建模的泛化能力的研究[J];計(jì)算機(jī)與應(yīng)用化學(xué);2012年09期

8 劉白雁,丁崇生;電液伺服系統(tǒng)神經(jīng)網(wǎng)絡(luò)建模研究[J];機(jī)床與液壓;1997年05期

9 楊凌,張子范;原油常壓蒸餾過程的人工神經(jīng)網(wǎng)絡(luò)建模方法[J];蘭州鐵道學(xué)院學(xué)報(bào);2002年06期

10 楊明,邱玉輝;神經(jīng)網(wǎng)絡(luò)建模方法在非線性信號(hào)處理中的應(yīng)用研究[J];云南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年06期

相關(guān)會(huì)議論文 前10條

1 孫玲玲;葛鋒;武新玲;蔡妙花;嚴(yán)曉浪;;一種基于試驗(yàn)設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)建模方法[A];1999年全國(guó)微波毫米波會(huì)議論文集(上冊(cè))[C];1999年

2 李翔;陳增強(qiáng);袁著祉;;混沌系統(tǒng)的神經(jīng)網(wǎng)絡(luò)建模研究[A];第二十屆中國(guó)控制會(huì)議論文集（上）[C];2001年

3 杜希奇;王學(xué)儉;卜忱;;動(dòng)態(tài)數(shù)據(jù)神經(jīng)網(wǎng)絡(luò)建模技術(shù)[A];探索創(chuàng)新交流－－中國(guó)航空學(xué)會(huì)青年科技論壇文集[C];2004年

4 劉濤;張文俊;余志平;;射頻和微波電路片上電感的神經(jīng)網(wǎng)絡(luò)建模方法[A];中國(guó)微米、納米技術(shù)第七屆學(xué)術(shù)會(huì)年會(huì)論文集（一）[C];2005年

5 萬維漢;萬百五;楊金義;;鎳閃速爐的神經(jīng)網(wǎng)絡(luò)建模與穩(wěn)態(tài)優(yōu)化控制研究[A];1998年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];1998年

6 常江;徐枋同;劉炳文;陳啟卷;;水輪機(jī)調(diào)節(jié)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)建模研究[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

7 吳濤;許曉鳴;劉登瀛;張浙;;基于改進(jìn)BP算法的人工神經(jīng)網(wǎng)絡(luò)建模及其在干燥過程中的應(yīng)用[A];1998年中國(guó)控制會(huì)議論文集[C];1998年

8 趙德雙;王秉中;;非對(duì)稱帶狀線間隙的知識(shí)人工神經(jīng)網(wǎng)絡(luò)建模[A];2001年全國(guó)微波毫米波會(huì)議論文集[C];2001年

9 曹建云;陸國(guó)平;朱其新;;工業(yè)過程中的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)應(yīng)用[A];第二十三屆中國(guó)控制會(huì)議論文集（下冊(cè)）[C];2004年

10 林小峰;楊家然;;制糖澄清pH值控制系統(tǒng)神經(jīng)網(wǎng)絡(luò)建模[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第一分冊(cè)）[C];2009年

相關(guān)碩士學(xué)位論文 前10條

1 孫巧梅;博弈過程的神經(jīng)網(wǎng)絡(luò)建模及應(yīng)用[D];大連海事大學(xué);2009年

2 尚海燕;PTA殘?jiān)到y(tǒng)與溶劑系統(tǒng)建模[D];北京化工大學(xué);2007年

3 趙欣;毫米波濾波器人工神經(jīng)網(wǎng)絡(luò)建模研究[D];哈爾濱工業(yè)大學(xué);2008年

4 張杰;融合專家知識(shí)的神經(jīng)網(wǎng)絡(luò)建模的研究及其在軟測(cè)量中的應(yīng)用[D];華東理工大學(xué);2013年

5 鄭曉京;模糊神經(jīng)網(wǎng)絡(luò)建模研究及輸油管道監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[D];北京化工大學(xué);2003年

6 鄭世強(qiáng);基于PSO優(yōu)化技術(shù)的木材材性參數(shù)神經(jīng)網(wǎng)絡(luò)建模研究[D];東北林業(yè)大學(xué);2007年

7 張霞;GIS內(nèi)部信號(hào)識(shí)別的神經(jīng)網(wǎng)絡(luò)建模及小波算法實(shí)現(xiàn)[D];天津大學(xué);2003年

8 張媛;某掃雷犁系統(tǒng)的神經(jīng)網(wǎng)絡(luò)建模與控制研究[D];南京理工大學(xué);2009年

9 劉磊明;神經(jīng)網(wǎng)絡(luò)建模方法在三元復(fù)合驅(qū)系統(tǒng)巖電關(guān)系研究中的應(yīng)用[D];大慶石油學(xué)院;2002年

10 王藝;基于小波理論與種群智能方法的神經(jīng)網(wǎng)絡(luò)建模研究[D];大連理工大學(xué);2010年

，

本文編號(hào)：1803460