改进并行粒子群算法优化RBF神经网络建模

【文件属性】：
文件名称：改进并行粒子群算法优化RBF神经网络建模
文件大小：3.52MB
文件格式：PDF
更新时间：2021-04-30 04:03:27
并行粒子群算法; 自适应变异操作; 径向基函数(RBF)神经网络; 平均适应度; 功放建模; 针对已有神经网络功放建模的建模精度不高,易陷入局部极值等问题,提出一种新的改进并行粒子群算法(Improved Parallel Particle Swarm Optimization,IPPSO)。该算法在并行粒子群算法的基础上引入自适应变异操作,防止陷入局部最优;在微粒的速度项中加入整体微粒群的全局最优位置,动态调节学习因子与线性递减惯性权重,加快微粒收敛。将该改进算法用于优化RBF神经网络参数,并用优化的网络对非线性功放进行建模仿真。结果表明,该算法能有效减小建模误差,且均方根误差提高19.08%,进一步提高了神经网络功放建模精度。