摘要:
首先对标准果蝇优化算法FOA进行改进,自适应调整果蝇种群数量和搜索步长,同时优化初始迭代位置,改善算法局部搜索能力和搜索效率。接着将改进的FOA算法AFOA与回声状态网络ESN相结合,构建一个两阶段组合预测模型(AFOA-ESN),通过AFOA优化ESN获取其关键参数,将优化后的参数输入ESN,形成最终的组合预测模型。最后利用该模型进行旅游需求预测。实验结果表明,AFOA-ESN模型较自回归移动平均模型、支持向量机模型、BP神经网络、标准ESN网络以及其他预测模型具有更高的预测精度。
陈明扬,王林,余晓晓. 改进果蝇算法优化回声状态网络的旅游需求预测研究[J]. 计算机工程与科学.
CHEN Ming-yang,WANG Lin,YU Xiao-xiao.
Tourism demand prediction using echo state
network with improved fruit fly optimization algorithm
[J]. Computer Engineering & Science.