文件名称：论文研究-基于分组混沌PSO算法的模糊神经网络建模研究.pdf
文件大小：795KB
文件格式：PDF
更新时间：2022-09-28 00:22:11
论文研究
为改善记忆功放建模的精度，且针对粒子群算法早期收敛速度较快，但在后期易陷入早熟收敛，局部最优等特点，提出了一种分组并行混沌粒子群优化算法（Grouping Parallel-Chaotic Particle Swarm Optimization，GP-CPSO），将分组粒子群优化算法与混沌思想相结合，并用该算法优化动态模糊神经网络（Dynamic Fuzzy Neural Network，DFNN）参数，建立DFNN功放模型。引入分组的CPSO群算法，将种群划分为若干个组，每组单独计算，大大提高了收敛速度，同时将混沌思想运用到每个粒子当中去，避免早熟和局部最优，缩短了迭代时间。通过仿真结果可以看到，GP-CPSO优化后的动态模糊神经网络建模的训练误差减小到0.1以内，收敛速度提高32.5%，从而验证了这种建模方法有效且可靠。