[1]刘志勇 １,王小红 ２.一种自适应粒子群算法的小波神经网络优化[J].机械与电子,2021,(08):8-12.
　LIU Zhiyong,WANG Xiaohong.A Wavelet Neural Network Optimization Method Based on Variable-Weight Particle Swarm Optimization[J].Machinery & Electronics,2021,(08):8-12.
点击复制

一种自适应粒子群算法的小波神经网络优化()
分享到：

机械与电子[ISSN:1001-2257/CN:52-1052/TH]

卷:
期数:
2021年08期
页码:
8-12
栏目:
设计与研究
出版日期:
2021-08-24

文章信息/Info

Title:
A Wavelet Neural Network Optimization Method Based on Variable-Weight Particle Swarm Optimization
文章编号:
１００１- ２２５７ ( ２０２１ ) ０８- ０００８-０５
作者:
刘志勇 １ ; 王小红 ２
１． 咸阳职业技术学院,陕西 咸阳 ７１２０００ ;?
２． 陕西省委党校,陕西 西安 ７１００６１?
Author(s):
LIU Zhiyong１ ; WANG Xiaohong２
(１．Xianyang Vocational and Technical College , Xianyang ７１２０００ , China ;
２． Shaanxi Provincial Party School of the CPC , Xi ’ an ７１００６１ , China )
关键词:
变权重; 粒子群算法; 全局最优; 小波神经网络
Keywords:
variable-weight ;  particle swarm optimization ;  global optimum ;  wavelet neural network
分类号:
TP１８３
文献标志码:
A
摘要:
针对传统粒子群算法易陷入局部最优解的问题,提出了一种变权重粒子群算法.该算法通过引入交叉权重因子和粒子个体状态最优权值,对传统粒子群算法进行了优化,使粒子在移动过程中利用更多的信息来调整各自的移动方向,扩大粒子在运动过程中的自我认知范围,提高了粒子群算法的收敛精度和收敛速度.最后,利用改进的变权重粒子群算法对小波神经网络控制器进行优化,有效地验证了变权重粒子群算法的精确性.
Abstract:
A variable-weight particle swarm optimization ( VWPSO ) algorithm is proposed to overcome the shortcoming of the traditional particle swarm optimization ( PSO ) algorithm , which is easy to fall into the local optimal solution． In the proposed strategy , the weight factor and the optimal weight of individual state are in troduced to adjust the moving direction of the particles via the more information , and the self-awareness range of particles in the process of motion is expanded．Moreover , the convergence accuracy and convergence speed of particle swarm optimization algorithm are improved．Finally , the VWPSO algorithm is used to optimize the wavelet neural network controller , which verifies the accuracy of the VWPSO algorithm effectively．

参考文献/References:

[１] 吴庆洪,张颖,马宗民 ． 粒子群优化算法及其应用综述[ J ] ． 微计算机信息, ２０１０ , ２６ ( ３０ ): ３４-３５．

[２] 肖应旺,姚美银,刘军,等 ． 基于改进粒子群算法的核函数参数优化[ J ] ． 计算机与应用化学, ２０１８ , ３５ ( １０ ): ７５-８５．
[３] 何庆 ． 一种基于自适应免疫粒子群算法的多峰函数优化[ J ] ． 工业控制计算机, ２０１８ , ３１ ( １０ ): １１６-１１８．
[４] 刘群 ． 基于粒子群算法优化的模糊控制器设计与应用[ D ] ． 沈阳:沈阳工业大学,２０１７．
[５] 崔辰鹏,刘雪峰,陈子印,等 ． 基于粒子群优化的自适应模糊制冷控制算法[ J ] ． 计算机测量与控制,２０１７ , ２５( ４ ): ７５-７９．
[６] 马超,邓超,熊尧,等 ． 一种基于混合遗传和粒子群的智能优化算法 [ J ] ． 计 算 机 研 究 与 发 展,２０１３ , ５０ ( １１ ):２２７８-２２８６．
[７] 欧阳海滨,全永彬,高立群,等 ． 基于混合遗传粒子群优化算法的层次路径规划方法[ J ] ． 郑州大学学报(工学版),２０２０ , ４１ ( ４ ): ３４-４０．
[８] 李少华 ． 基于改进粒子群优化算法的小波神经网络控制器设计与研究[ D ] ． 哈尔滨:哈尔滨理工大学,２０１２．
[９] ABDULHAMIT S , AHMET A , ETEM K , et a１．Wavelet neural network classification of EEG signals by using AR model with MLE preprocessing [ J ] ．Neural networks , ２００５ , １８ ( ７ ): ９８５-９９７．
[１０] 刘宝,吴宗德,杨金莹 ． 生物智能算法优化小波神经网络研究及其在交通流预测应用[ J ] ． 北京交通大学学报,２０２０ , ４４ ( ５ ): １７-２６．
[１１] 孙建华 ． 基于小波神经网络的水文地质参数计算与应用分析[ J ] ． 西部探矿工程, ２０１９ , ３１ ( １２ ): １０５- １０８．
[１２] 黄良平,杜泽丽,范留军 ． 小波神经网络在玉米营养品质鉴定中的应用[ J ] ． 江苏农业科学,２０２０ , ４８ ( １７ ):２２５-２２８．
[１３] 石盼,张合川,赵明星,等 ． 小波神经网络在反窃电系统中的应用研究[ J ] ． 计算机技术与自动化, ２０２０ , ３９( ３ ): ４４-４８．
[１４] 银俊成,曹怀信 ． 插值小波神经网络的构造[ J ] ． 陕西师范大学学报(自然科学版),２０１２ , ４０ ( ６ ): １-５．

相似文献/References:

[1]李 力,陆金桂.基于PSO-BP神经网络的飞灰含碳量测量方法[J].机械与电子,2019,(04):68.
　.Prediction Method of Carbon Content in Fiy Ash Based on PSO-BP Neural Network[J].Machinery & Electronics,2019,(08):68.
[2]赵蕾,傅攀,胡龙飞,等.FOA-WPT降噪和PSO-SVM在滚动轴承故障诊断中的应用[J].机械与电子,2018,(12):3.
　ZHAO Lei,FU Pan,HU Longfei,et al.Applications of FOA-WPT and PSO-SVM in Faults Diagnosis of Rolling Bearing[J].Machinery & Electronics,2018,(08):3.
[3]胡斐,李维嘉,汪潇.基于视觉引导的Delta型并联机器人运动优化[J].机械与电子,2018,(06):71.
　HU Fei,LI Weijia,WANG Xiao.Motion Optimization of Delta Parallel Robot Based on Visual Guidance[J].Machinery & Electronics,2018,(08):71.
[4]吕铁钢,张 亚,李世中.结合改进粒子群算法的RANSAC精确匹配方法[J].机械与电子,2017,(07):18.
　LYU Tiegang,ZHANG Ya,LI Shizhong.On RANSAC Accurate Matching Method Based on Improved Particle Swarm Optimization Algorithm[J].Machinery & Electronics,2017,(08):18.
[5]赵坤灿.基于粒子群算法的新能源集热系统物联网控制模型研究[J].机械与电子,2016,(12):54.
　ZHAO Kuncan.Research on the Model of IoT Control Based on PSO for New Energy Collector System[J].Machinery & Electronics,2016,(08):54.
[6]陈 强１,崔熙贵１,陈 峻２,等.基于粒子群算法的零部件多级装配定位策略优化[J].机械与电子,2020,(05):22.
　,,et al.Locating Strategy Optimization of Multi-Stage Parts AssemblyBased on Particle Swarm Optimization[J].Machinery & Electronics,2020,(08):22.
[7]史绍恩.云计算中分布式软件系统兼容性自动检测方法[J].机械与电子,2021,(12):39.
　SHI Shao en.Automatic Compatibility Detection Method of Distributed Software System in Cloud Computing[J].Machinery & Electronics,2021,(08):39.
[8]陈 杰,韩海豹.基于改进粒子群算法的农业机械产品装配分组优化配置[J].机械与电子,2022,(01):30.
　CHEN Jie,HAN Haibao.Optimal Configuration of Agricultural Machinery Product Assembly Grouping Based on Improved Particle Swarm Algorithm[J].Machinery & Electronics,2022,(08):30.
[9]曲鹏举.改进粒子群算法在柔性作业加工时间问题研究[J].机械与电子,2023,41(01):3.
　QU Pengju.Research on Processing Time Problem of Improved Particle Swarm Optimization in Flexible Job[J].Machinery & Electronics,2023,41(08):3.
[10]汪 洋,俞建峰,等.电梯导轨校准机器人力位控制研究[J].机械与电子,2023,41(01):46.
　WANG Yang,YU Jianfeng,et al.Research on Force Position Control of Elevator Guide Rail Calibration Robot[J].Machinery & Electronics,2023,41(08):46.

备注/Memo

备注/Memo:
收稿日期: ２０２１-０４-０７
基金项目:咸阳市科技计划项目( ２０１８K０２-１１ )
作者简介:刘志勇 ( １９７８－ ),男,陕西咸阳人,工学博士,副教授,研究方向为控制与容错控制;王小红 ( １９７５－ ),女,陕西宝鸡人,工程硕士,副教授,研究方向为大数据分析.
更新日期/Last Update: 2021-08-31