基于改进混合算法优化RBF网络的滤波器建模

计算机工程与科学

• 人工智能与数据挖掘 • 上一篇

基于改进混合算法优化RBF网络的滤波器建模

南敬昌，陆亚男，高明明

（辽宁工程技术大学电子与信息工程学院，辽宁葫芦岛 125105）

收稿日期:2016-10-24 修回日期:2017-03-30 出版日期:2018-07-25 发布日期:2018-07-25
基金资助:
国家自然科学基金（61372058）；辽宁省高校重点实验室项目（LJZS007）

An improved hybrid algorithm for

optimizing RBF neural network filter modeling

NAN Jingchang,LU Yanan,GAO Mingming

（School of Electronics and Information Engineering,Liaoning Technical University,Huludao 125105,China）

Received:2016-10-24 Revised:2017-03-30 Online:2018-07-25 Published:2018-07-25

摘要/Abstract

摘要：

为构建精确的微带线滤波器神经网络模型，提出一种结合自适应遗传算法和改进粒子群算法的混合算法。在自适应遗传算法中，构造二次型选择策略以提高优秀个体的复制概率，加快收敛到初始全局最优解；利用粒子群算法良好的局部搜索能力，在标准粒子群算法的位置迭代公式中引入高斯扰动项，以克服收敛速度慢和早熟收敛的缺点，提高搜索全局最优解的可能性。通过对测试函数仿真，验证改进算法的可行性。最后将混合算法用于优化神经网络参数，建立平行耦合微带线滤波器模型。结果表明，滤波器参数S21和S11的均方根误差至少减小18.22%与12.68%，微带滤波器建模精度得到提高，验证了该算法对滤波器建模的有效性和可靠性。

关键词: 平行耦合微带线滤波器, 选择策略, 高斯扰动, RBF神经网络, 行为建模, 遗传粒子群算法

Abstract:

In order to construct an exact neural network model for the microstrip line filter, we propose a hybrid algorithm which combines the adaptive genetic algorithm and the improved particle swarm optimization (PSO). In the adaptive genetic algorithm, a quadratic form selection strategy is constructed to improve the replication probability of excellent individuals, which can accelerate the process of convergence to the initial global optimal solution. Taking the advantage of the good local search ability of the PSO, a Gaussian perturbation term is introduced into the position iteration of the standard PSO, which can overcome the shortcomings of slow convergence and premature convergence, and improve the possibility of searching for the global optimal solution. Simulations on the testing functions verify the feasibility of the proposed hybrid algorithm. Finally, the hybrid algorithm is used to optimize the parameters of the neural network, and a parallel coupled microstrip line filter model is established. The results show that the root mean square error of the filter parameters
S21 and S11 are reduced at least by 18.22% and 12.68% respectively, and the modeling accuracy of the microstrip filter is improved, which verifies the validity and reliability of the proposed algorithm.

Key words: parallel coupled microstrip line filter, selection strategy, Gaussian disturbance, RBF neural network, behavioral modeling, genetic particle swarm optimization

南敬昌，陆亚男，高明明. 基于改进混合算法优化RBF网络的滤波器建模[J]. 计算机工程与科学.

NAN Jingchang,LU Yanan,GAO Mingming.

An improved hybrid algorithm for

optimizing RBF neural network filter modeling

[J]. Computer Engineering & Science.

[1]	梁昔明, 史兰艳, 龙文. 基于混合策略改进的蛇优化算法及其应用[J]. 计算机工程与科学, 2024, 46(04): 693-706.
[2]	谢俊标, 江峰, 杜军威, 赵军. 基于改进人工鱼群算法与RBF神经网络的股票价格预测[J]. 计算机工程与科学, 2022, 44(11): 2080-2090.
[3]	文常保，马文博，刘鹏里. 基于改进遗传算法的RBF神经网络结构优化研究[J]. 计算机工程与科学, 2019, 41(05): 917-923.
[4]	闫雪飞,李新明,刘东,刘德生,李强. 基于强化学习的体系对抗仿真战役层次指控算法[J]. 计算机工程与科学, 2018, 40(08): 1511-1520.
[5]	司秀丽，刘子琦. 基于混合算法的通信用户规模预测方法研究[J]. 计算机工程与科学, 2017, 39(03): 567-571.
[6]	蒋廉，李蓉蓉，彭智勇. 一种对象代理数据库的跨类查询优化方法[J]. 计算机工程与科学, 2016, 38(07): 1425-1433.
[7]	吴润秀1,孙辉1,朱德刚2，赵嘉1 . 具有高斯扰动的局部引导粒子群优化算法[J]. J4, 2016, 38(06): 1183-1192.
[8]	黄文明，徐双双，邓珍荣，雷茜茜. 改进人工蜂群算法优化RBF神经网络的短时交通流预测[J]. J4, 2016, 38(04): 713-719.
[9]	黄玉，殷苌茗，周书仁. 基于YCbCr的自适应混合高斯模型背景建模[J]. J4, 2015, 37(01): 152-156.
[10]	谢超高大启. 一种基于傅里叶变换的RBF神经网络函数逼近方法[J]. J4, 2005, 27(2): 47-49.
[11]	郑义李思昆曾亮. 计算机生成兵力平台体系结构技术研究[J]. J4, 2005, 27(1): 31-35.

基于改进混合算法优化RBF网络的滤波器建模

An improved hybrid algorithm for

optimizing RBF neural network filter modeling

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 11

编辑推荐

Metrics

本文评价