改进约束鸡群算法在神经网络的应用

计算机工程与科学

改进约束鸡群算法在神经网络的应用

张莹杰，张树群

(暨南大学信息科学技术学院,广东广州 510632)

收稿日期:2017-06-14 修回日期:2017-11-29 出版日期:2018-12-25 发布日期:2018-12-25

Application of an improved constrained chicken

swarm optimization algorithm in neural networks

ZHANG Yingjie,ZHANG Shuqun

（College of Information Science and Technology,Jinan University,Guangzhou 510632,China）

Received:2017-06-14 Revised:2017-11-29 Online:2018-12-25 Published:2018-12-25

摘要/Abstract

摘要：

针对基本鸡群优化算法CSO存在收敛速度慢、易陷入局部最优等问题，提出一种改进约束鸡群算法ICCSO，改进了基本鸡群算法的边界约束处理机制，提高了算法的收敛速度和全局搜索能力。以标准测试函数和BP神经网络为例进行数值仿真,仿真结果表明了所提出的改进约束鸡群优化算法的合理性及有效性。

关键词: 鸡群算法, BP神经网络, 进化机制, 约束函数

Abstract:

The basic chicken swarm optimization algorithm (CSO) is of slow convergence and easy to fall into local optimum. Aiming at the problems, we propose an improved constrained chicken swarm optimization algorithm (ICCSO) to improve the boundary constraint processing mechanism of the basic chicken swarm optimization, and the convergence speed and global search ability of the algorithm are also improved. Standard test functions and BP neural networks are taken as examples to demonstrate the rationality and effectiveness of the proposed algorithm.

Key words: chicken swarm optimization, BP neural network, evolutionary mechanism, constraint function

张莹杰，张树群. 改进约束鸡群算法在神经网络的应用[J]. 计算机工程与科学.

ZHANG Yingjie,ZHANG Shuqun.

Application of an improved constrained chicken

swarm optimization algorithm in neural networks

[J]. Computer Engineering & Science.

[1]	胡新荣, 刘嘉文, 刘军平, 彭涛, 何儒汉, . 基于改进GA-BP-MC神经网络的人体三维尺寸预测[J]. 计算机工程与科学, 2021, 43(08): 1443-1453.
[2]	邓翔宇, 张屹南, 杨雅涵. 一种用于交通标识分类的形状识别算法[J]. 计算机工程与科学, 2021, 43(02): 322-328.
[3]	沈晓燕, 王雪梅, 王燕. 基于样本熵和模式识别的脑电信号识别算法研究[J]. 计算机工程与科学, 2020, 42(08): 1482-1488.
[4]	陈丽芳,冯力静,刘保相. 神经网络规则优化建模与应用[J]. 计算机工程与科学, 2019, 41(12): 2247-2254.
[5]	吴曼曼1，徐建新 1，2. 基于EMD改进的Elman神经网络对股票的短期预测模型[J]. 计算机工程与科学, 2019, 41(06): 1119-1127.
[6]	张毅，张珉浩. 基于机器学习的能力评价与匹配研究[J]. 计算机工程与科学, 2019, 41(02): 363-369.
[7]	丁红卫，万良，邓烜堃. 改进的HS算法优化BP神经网络的入侵检测研究[J]. 计算机工程与科学, 2019, 41(01): 65-72.
[8]	杜涛，阮爱武，汪鹏，李永亮，李平. 一种基于BP神经网络的集成电路PHM模型[J]. 计算机工程与科学, 2017, 39(01): 55-60.
[9]	陈旺虎，俞茂义，马生俊，李金溶，郏文博. 基于局部收敛权阵进化的BP神经网络MapReduce训练[J]. 计算机工程与科学, 2016, 38(12): 2425-2433.
[10]	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.
[11]	张立仿，张喜平. 量子遗传算法优化BP神经网络的网络流量预测[J]. J4, 2016, 38(01): 114-119.
[12]	王林1，彭璐1，夏德2，曾奕1. 自适应差分进化算法优化BP神经网络的时间序列预测[J]. J4, 2015, 37(12): 2270-2275.
[13]	陈曦，王建东，陈海燕. 基于观察学习的机场噪声监测点关联预测研究[J]. J4, 2015, 37(02): 335-341.
[14]	徐富新，黄玉秀，王洲，王晶. 基于字符识别的实验报告自动打分系统的设计[J]. J4, 2014, 36(09): 1754-1759.
[15]	彭武1，何怡刚1,2，方葛丰3，樊晓腾3. 一种靶场电磁环境复杂度评估方法[J]. J4, 2014, 36(01): 105-110.