基于差分進化生物地理學(xué)優(yōu)化的多層感知器訓(xùn)練方法
【圖文】：
，增強算法的全局搜索能力，并利用DE_BBO優(yōu)化MLPs輸入數(shù)據(jù)中的特征向量，進一步提高了數(shù)據(jù)分類的速度和準確性。1生物地理學(xué)優(yōu)化算法1．1遷移模型自然界中，各生物種群分布的地方不同，稱之為棲息地。每個棲息地的環(huán)境均不一樣，并且各物種對每個棲息地的適應(yīng)程度也不同，這造就了物種分布的多樣性、遷移和滅絕等現(xiàn)象。每個棲息地具有不同的適宜度指數(shù)(habitatsuitabilityindex，HSI)。若某棲息地HSI較高，表明該棲息地適宜物種生存，其物種較多;HIS較低，表明該棲息地不適合物種生存，，其物種較少。生物地理學(xué)中常用圖1(a)所示的線性遷移率數(shù)學(xué)模型來描述生物種群的遷移規(guī)律［19］。每個棲息地遷入率λk、遷出率μk由式(1)決定:λk=I(1－kn)μk=Ekn(1)其中:k=物種數(shù);n=Smax;I和E分別為遷入率、遷出率的最大值。棲息地種群數(shù)量達到平衡點S0時，該點處遷入率與遷出率相等�，F(xiàn)實中，當棲息地的生物種群數(shù)量為零，遷入率取最大值λ=I，遷出率μ=0。隨著遷入該棲息地的生物種群增加，棲息地越來越擁擠，越來越少的遷入種群能夠存活下來，越來越多的生物種群選擇離開該棲息地，遷入率呈現(xiàn)遞減趨勢，遷出率呈現(xiàn)遞增趨勢。當種群數(shù)量達到飽和時，λ=0，μ=E。所以，利用圖1(b)所示的二次遷移率模型描述生物種群的遷移規(guī)律更加符合實際情況，遷入率λk、遷出率μk由式(2)決定:λk=I(1－kn)2μk=E(kn)2(2)圖1生物地理學(xué)種群遷移率模型1．2BBO算法流程2008年，Simon在對生物物種遷移數(shù)學(xué)模型研究的基礎(chǔ)上，提出了生物地理學(xué)優(yōu)化算法，其算法流程如下:a)生成初始棲息地。設(shè)定棲息地數(shù)量、棲息地內(nèi)移民的最大容量、最大遷入率I
g)對P2進行變異得到下一代群體P，評估適應(yīng)值，轉(zhuǎn)步驟b)。3DE_BBO優(yōu)化MLPs3．1多層感知器如圖2所示，給出了三層MLPs的結(jié)構(gòu)，其中的輸入節(jié)點的數(shù)目是n，隱藏節(jié)點的數(shù)目是h，輸出節(jié)點的數(shù)目是m。圖2n-h-m結(jié)構(gòu)的多層感知器從圖2中可以看出，由于MLP屬于FNN簇，所以結(jié)構(gòu)中節(jié)點間單向連接。首先，計算得到輸入的加權(quán)和:sj=∑ni=1(Wij．Xi)－θjj=1，2，…，h(6)其中:n是輸入節(jié)點的數(shù)目;Wij是從輸入層第i節(jié)點到隱藏層第j節(jié)點的連接權(quán)重;θj是第j個隱含節(jié)點的偏置;Xi表示第i個輸入。每一隱藏節(jié)點輸出可由式(7)計算:Sj=sigmoid(sj)=11+exp(－sj)j=1，2，…，h(7)利用式(8)和(9)分別計算隱節(jié)點加權(quán)和以及MLP的最終輸出:ok=∑hj=1(wjk．Sj)－θ'kk=1，2，…，m(8)Ok=sigmoid(ok)=11+exp(－ok)k=1，2，…，m(9)其中:wjk是從第j個隱藏節(jié)點到第k個輸出節(jié)點的連接權(quán)重，θ'k是第k個輸出節(jié)點的偏置。3．2DE_BBO訓(xùn)練MLPs多層感知器最重要的是連接權(quán)重和偏置。從上述方程可看出，權(quán)重和偏置影響最終輸出值。為了使實際輸出更接近期望輸出，需尋找最佳的連接權(quán)重和偏置來訓(xùn)練多層感知器［17，24］。這需要通過訓(xùn)練集完成多層感知器的學(xué)習(xí)過程。所有訓(xùn)練樣本的均方誤差(MSE)為E=∑qk=1∑mi=1(oki－dki)2q(10)其中:q是訓(xùn)練樣本的數(shù)量;m為輸出的數(shù)量;dki是在k個訓(xùn)練樣本下的第i個輸入單元的期望輸出;oki是k個訓(xùn)練樣本下的第i個輸入單元的實際輸出。第i個棲息地的HSI通過式(11)計算:HSI(Habitati)=E(Habitati)(11)算法的流程如圖3所示。首先，生成一組隨機MLP集作為棲息地，每個
【作者單位】： 西安翻譯學(xué)院工程技術(shù)學(xué)院;西安電子科技大學(xué)空間科學(xué)與技術(shù)學(xué)院ICIE研究所;
【基金】：國家自然科學(xué)基金資助項目(61105066) 中央高�；究蒲袠I(yè)務(wù)費專項資金資助項目(JB141305)
【分類號】：TP18
【相似文獻】
相關(guān)期刊論文 前9條
1 王芙麗;李平;曹江濤;;改進的基于局部搜索策略的生物地理學(xué)優(yōu)化算法[J];江南大學(xué)學(xué)報(自然科學(xué)版);2012年04期
2 王曉光;鄭向偉;;一種合作型協(xié)同生物地理學(xué)優(yōu)化算法[J];小型微型計算機系統(tǒng);2014年08期
3 馬海平;李雪;林升東;;生物地理學(xué)優(yōu)化算法的遷移率模型分析[J];東南大學(xué)學(xué)報(自然科學(xué)版);2009年S1期
4 羅丹;張宏立;;改進生物地理學(xué)算法辨識Hammerstein模型[J];計算機仿真;2014年05期
5 韓松;潘立武;;改進生物地理學(xué)算法及其應(yīng)用[J];人民黃河;2014年02期
6 丁智國;費敏銳;馬海平;;一種基于生物地理學(xué)優(yōu)化算法的集成選擇方法[J];系統(tǒng)仿真學(xué)報;2014年05期
7 張國輝;聶黎;毛學(xué)港;;生物地理學(xué)算法求解柔性作業(yè)車間調(diào)度問題[J];計算機應(yīng)用研究;2014年04期
8 徐志丹;莫宏偉;;多目標擾動生物地理學(xué)優(yōu)化算法[J];控制與決策;2014年02期
9 ;[J];;年期
相關(guān)會議論文 前10條
1 夏曦中;張訓(xùn)蒲;劉煥章;;中國似泩魚類生物地理學(xué)過程研究[A];中國海洋湖沼學(xué)會魚類學(xué)分會、中國動物學(xué)會魚類學(xué)分會2004年學(xué)術(shù)研討會摘要匯編[C];2004年
2 楊雷;彭作剛;何舜平;;大鰭溹的群體遺傳結(jié)構(gòu)和生物地理學(xué)研究初探[A];中國海洋湖沼學(xué)會魚類學(xué)分會、中國動物學(xué)會魚類學(xué)分會2004年學(xué)術(shù)研討會摘要匯編[C];2004年
3 黃重期;吳書平;周衛(wèi)川;錢周興;郭云海;陳德牛;;Acusta屬陸貝的分類與生物地理學(xué)[A];中國動物學(xué)會·中國海洋湖沼學(xué)會貝類學(xué)分會第九次會員代表大會暨第十五次學(xué)術(shù)討論會會議摘要集[C];2011年
4 馬海平;李雪;林升東;;生物地理學(xué)優(yōu)化算法的遷移率模型分析[A];2009年中國智能自動化會議論文集（第五分冊）[東南大學(xué)學(xué)報（增刊）][C];2009年
5 紀運恒;;重樓屬的形態(tài)性狀演化、分類系統(tǒng)與生物地理學(xué)[A];中國植物學(xué)會七十五周年年會論文摘要匯編（1933-2008）[C];2008年
6 郭守玉;黃滿榮;;幾種石耳科地衣生物地理學(xué)關(guān)系的分子評估[A];2012年中國菌物學(xué)會學(xué)術(shù)年會會議摘要[C];2012年
7 俞丹;陳明;唐瓊英;劉煥章;;基于線粒體Cyt b基因序列變異的尖頭渆譜系生物地理學(xué)研究[A];中國海洋湖沼學(xué)會魚類學(xué)分會、中國動物學(xué)會魚類學(xué)分會2012年學(xué)術(shù)研討會論文摘要匯編[C];2012年
8 張瑞瑩;宋剛;屈延華;Per Alstr銉m;Per G.P.Ericson;Jon Fjelds
本文編號：2537014
本文鏈接：http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/2537014.html
