基于改进量子免疫算法的神经网络集成

doi:10.3778/j.issn.1002-8331.2005-0357

计算机工程与应用 ›› 2020, Vol. 56 ›› Issue (22): 142-147.DOI: 10.3778/j.issn.1002-8331.2005-0357

基于改进量子免疫算法的神经网络集成

曹林，王之腾，陈亮，李洪顺，高申，张自立

1.解放军陆军工程大学，南京 210007
2.军事交通学院汽车士官学校，安徽蚌埠 233011
3.中国人民解放军 31697部队
4.中国人民解放军 65370部队

出版日期:2020-11-15 发布日期:2020-11-13

Neural Network Ensemble Based on Improved Quantum Immune Algorithm

CAO Lin, WANG Zhiteng, CHEN Liang, LI Hongshun, GAO Shen, ZHANG Zili

1.Army Engineering University of PLA, Nanjing 210007, China
2.Automobile NCO Academy, Army Military Transportation University, Bengbu, Anhui 233011, China
3.Unit 31697 of PLA, China
4.Unit 65370 of PLA, China

Online:2020-11-15 Published:2020-11-13

摘要/Abstract

摘要：

针对量子免疫算法在神经网络集成结论生成时存在精英损失和过早收敛的问题，提出了改进量子免疫算法。改进算法在免疫选择时采用精英策略保留最优个体，提升了收敛效率，并引入反转策略增加个体多样性，加强了全局搜索能力。仿真实验结果表明，改进量子免疫算法是集成结论优化的有效方法，泛化性能明显优于简单平均、推广集成等传统方法。

关键词: 精英策略, 反转策略, 量子免疫算法, 神经网络集成

Abstract:

Aiming at the problems of elite loss and premature convergence when neural network ensemble generates its conclusion, an improved quantum immune algorithm is proposed. It keeps the best individuals by elitism strategy to improve efficiency and adds the diversity of the individuals by contrarian strategy to strengthen global searching ability. The simulation results show that the improved quantum immune algorithm is a valid optimization method of ensemble conclusions with better generalization ability than traditional methods such as basic ensemble method and generalized ensemble method.

Key words: elitism strategy, contrarian strategy, quantum immune algorithm, neural network ensemble

曹林，王之腾，陈亮，李洪顺，高申，张自立. 基于改进量子免疫算法的神经网络集成[J]. 计算机工程与应用, 2020, 56(22): 142-147.

CAO Lin, WANG Zhiteng, CHEN Liang, LI Hongshun, GAO Shen, ZHANG Zili. Neural Network Ensemble Based on Improved Quantum Immune Algorithm[J]. Computer Engineering and Applications, 2020, 56(22): 142-147.

[1]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[2]	黎素涵，叶春明. 重选精英个体的非线性收敛灰狼优化算法[J]. 计算机工程与应用, 2021, 57(1): 62-68.
[3]	董骏峰，王祥，梁昌勇. 基于个体邻域的改进NSGA-II算法[J]. 计算机工程与应用, 2019, 55(5): 166-174.
[4]	宋飞豹，贾瑞玉. 精英遗传K-medoids聚类算法[J]. 计算机工程与应用, 2018, 54(22): 144-149.
[5]	王彦博，殷红，彭珍瑞，蒋兆远. 混合引力搜索与高斯扰动的精英布谷鸟算法[J]. 计算机工程与应用, 2018, 54(21): 48-55.
[6]	张岩，张华，初佃辉，孟凡超，郑宏珍. 一种改进的双精英协同进化遗传算法[J]. 计算机工程与应用, 2017, 53(16): 161-165.
[7]	伍艳莲1，2，姜海燕1，2，庄嘉祥1，郭小清1，许一骅1. 精英策略个体优势遗传算法研究[J]. 计算机工程与应用, 2016, 52(7): 143-149.
[8]	秦兴生，胡觉亮，丁佐华. 基于神经网络集成的软件故障预测及实验分析[J]. 计算机工程与应用, 2014, 50(10): 44-47.
[9]	宋昕，黄磊. 基于改进NSGA-II算法的港口堆位分配问题研究[J]. 计算机工程与应用, 2012, 48(33): 34-39.
[10]	徐敏，丁红，沈晓红. 神经网络集成模型在入侵检测中的应用[J]. 计算机工程与应用, 2012, 48(29): 105-108.
[11]	姚敏锋1，李心广1，黄文涛2. 一种k均值和神经网络集成的语音识别方法[J]. 计算机工程与应用, 2012, 48(12): 144-147.
[12]	李贞双，李争艳. 基于云模型的量子免疫优化算法[J]. 计算机工程与应用, 2011, 47(21): 123-125.
[13]	陈婕，熊盛武，林婉如. NSGA-II算法的改进策略研究[J]. 计算机工程与应用, 2011, 47(19): 42-45.
[14]	李春英1，汤志康2，曹元大3. 神经网络集成的城市道路状态判别模型研究[J]. 计算机工程与应用, 2011, 47(15): 225-228.
[15]	白雪飞^1，2，李茹^1，2. 神经网络集成的多表情人脸识别方法[J]. 计算机工程与应用, 2010, 46(4): 145-148.

基于改进量子免疫算法的神经网络集成

Neural Network Ensemble Based on Improved Quantum Immune Algorithm

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