改进的萤火虫算法在神经网络中的应用

doi:10.3778/j.issn.1002-8331.1508-0134

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (5): 159-163.DOI: 10.3778/j.issn.1002-8331.1508-0134

改进的萤火虫算法在神经网络中的应用

张明，张树群，雷兆宜

暨南大学信息科学与技术学院，广州 510632

出版日期:2017-03-01 发布日期:2017-03-03

Application of improved firefly algorithm in neural network

ZHANG Ming, ZHANG Shuqun, LEI Zhaoyi

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

Online:2017-03-01 Published:2017-03-03

摘要/Abstract

摘要： 基本萤火虫算法存在容易陷入局部最优及收敛速度低的问题，提出了一种改进进化机制的萤火虫算法（IEMFA）。在群体进化过程中赋予萤火虫改进的位置移动策略，并利用改进后的萤火虫算法来优化传统BP神经网络的网络参数。测试结果表明，基于改进萤火虫算法的BP神经网络具有更好的收敛速度和精度。

关键词: 进化机制, 误差反向传播（BP）神经网络, 萤火虫算法

Abstract: Basic Firefly Algorithm（FA）has some bugs such that it is easy to fall into local optimum and the slow convergence speed. In order to overcome these shortcomings, the paper puts forward a Firefly Algorithm with Improved Evolution Mechanism（IEMFA）. The proposed algorithm is used to optimize the weight value of BP neural network and the result shows that the algorithm expedites the convergence rate, improves the precision and has a better global searching ability.

Key words: improved evolutionary mechanism, error Back Propagation（BP） neural network, firefly algorithm

张明，张树群，雷兆宜. 改进的萤火虫算法在神经网络中的应用[J]. 计算机工程与应用, 2017, 53(5): 159-163.

ZHANG Ming, ZHANG Shuqun, LEI Zhaoyi. Application of improved firefly algorithm in neural network[J]. Computer Engineering and Applications, 2017, 53(5): 159-163.

[1]	张哲辰，刘三阳. 基于拓扑改进与交叉策略的萤火虫算法[J]. 计算机工程与应用, 2019, 55(7): 1-8.
[2]	朱丹1，邱斌1，2，肖海林1，4，倪菊3. 基于萤火虫算法的认知车载网络频谱分配[J]. 计算机工程与应用, 2019, 55(2): 67-71.
[3]	李丽娜1，郭永强1，2，张晓东1，卢媛1，徐攀峰1. 萤火虫算法结合人工势场法的机器人路径规划[J]. 计算机工程与应用, 2018, 54(20): 104-109.
[4]	陈冠宇1，孙鹏1，2，张杰勇1，武君胜3. 基于离散萤火虫算法的指控结构适应性调整[J]. 计算机工程与应用, 2018, 54(15): 112-119.
[5]	段少楠，戴胜华. 离散萤火虫算法在高速列车运行调整中的应用[J]. 计算机工程与应用, 2018, 54(15): 209-213.
[6]	林诗洁1，2，董晨1，2，陈明志1，2，张凡1，2，陈景辉1，2. 新型群智能优化算法综述[J]. 计算机工程与应用, 2018, 54(12): 1-9.
[7]	卞京红1，贺兴时1，杨新社2. 基于萤火虫算法的自适应花授粉优化算法[J]. 计算机工程与应用, 2016, 52(21): 162-167.
[8]	欧阳桢，李应. 基于萤火虫算法的匹配追踪用于生态声音辨识[J]. 计算机工程与应用, 2015, 51(2): 198-204.
[9]	杜贞，叶春明，凌远雄. 应用萤火虫算法求解基于学习效应的PFSP问题[J]. 计算机工程与应用, 2015, 51(16): 248-251.
[10]	宋玉坚1，叶春明1，黄佐钘1，2. 多智能体布谷鸟算法的网络计划资源均衡优化[J]. 计算机工程与应用, 2015, 51(15): 56-61.
[11]	林睦纲1，刘芳菊2，童小娇1. 一种基于萤火虫算法的模糊聚类方法[J]. 计算机工程与应用, 2014, 50(21): 35-38.
[12]	吴鹏. 萤火虫算法优化最大熵的图像分割方法[J]. 计算机工程与应用, 2014, 50(12): 115-119.
[13]	杨光军. 基于文化免疫克隆算法的关联规则挖掘研究[J]. 计算机工程与应用, 2013, 49(15): 113-115.
[14]	程魁1，马良1，刘勇1，2. 多选择背包问题的元胞萤火虫算法[J]. 计算机工程与应用, 2013, 49(14): 70-72.
[15]	杨娇，叶春明. 应用新型萤火虫算法求解Job-shop调度问题[J]. 计算机工程与应用, 2013, 49(11): 213-215.

改进的萤火虫算法在神经网络中的应用

Application of improved firefly algorithm in neural network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics