Pi-sigma神经网络混合学习算法及收敛性分析

doi:10.3778/j.issn.1002-8331.2008.35.017

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (35): 56-58.DOI: 10.3778/j.issn.1002-8331.2008.35.017

Pi-sigma神经网络混合学习算法及收敛性分析

聂永,邓伟

苏州大学计算机科学与技术学院，江苏苏州 215006

收稿日期:2007-12-25 修回日期:2008-03-03 出版日期:2008-12-11 发布日期:2008-12-11
通讯作者: 聂永

Hybrid learning algorithm for Pi-sigma neural network and analysis of its convergence

NIE Yong,DENG Wei

College of Computer Science，Suzhou University of Science and Technology，Suzhou，Jiangsu 215006，China

Received:2007-12-25 Revised:2008-03-03 Online:2008-12-11 Published:2008-12-11
Contact: NIE Yong

摘要/Abstract

摘要： 将一种解决函数优化问题的混合遗传算法用于Pi-sigma神经网络的训练。这种混合算法充分利用遗传算法算法的全局搜索能力，又利用了单纯型法的局部搜索能力，因此该混合遗传算法可以使Pi-sigma神经网络更快的收敛到全局最优解，而且收敛速度比遗传算法更快。实验证明了这种算法的优越性。最后还证明了该算法可以以概率1收敛到全局最优解。

关键词: 混合遗传算法, Pi-sigma神经网络, 算法收敛性

Abstract: This paper uses a hybrid genetic algorithm to training Pi-sigma neural network and this algorithm is once applied to resolve a function optimizing problem.The hybrid genetic algorithm incorporates the stronger global search of genetic algorithm into the stronger local search of simplex method，and can search out the global optimum faster than genetic algorithm.The experiments show that the hybrid genetic algorithm can achieve better performance.At last，the hybrid genetic algorithm is proved converge to the global optimum with the probability of 1.

Key words: hybrid genetic algorithm, Pi-sigma neural network, algorithm convergence

聂永,邓伟. Pi-sigma神经网络混合学习算法及收敛性分析[J]. 计算机工程与应用, 2008, 44(35): 56-58.

NIE Yong,DENG Wei. Hybrid learning algorithm for Pi-sigma neural network and analysis of its convergence[J]. Computer Engineering and Applications, 2008, 44(35): 56-58.

[1]	刘兰芬，杨信丰. 基于混合遗传算法的有效路径求解[J]. 计算机工程与应用, 2019, 55(11): 244-249.
[2]	张赫男，张绍文. 采用改进的混合遗传算法求解高校排课问题[J]. 计算机工程与应用, 2015, 51(5): 240-246.
[3]	游伟，雷定猷，朱向. 三维装箱问题的偏随机密钥混合遗传算法[J]. 计算机工程与应用, 2014, 50(22): 265-270.
[4]	符昊，葛洪伟，邵长鲁，朱亮. 造船监理员调度模型和混合遗传算法求解[J]. 计算机工程与应用, 2014, 50(21): 238-242.
[5]	喻昕，邓飞. 递归pi-sigma神经网络的带惩罚项的梯度算法分析[J]. 计算机工程与应用, 2013, 49(4): 43-46.
[6]	刘波1，2，李波1，李砚1. 不确定条件下应急资源布局的鲁棒双层优化模型[J]. 计算机工程与应用, 2013, 49(16): 13-17.
[7]	赵东红1，2，王来生2，张峰1. 遗传算法的粗糙集理论在文本降维上的应用[J]. 计算机工程与应用, 2012, 48(36): 125-128.
[8]	刘菲，吕世辉，赵中华. 基于多步强化变异算子的混合遗传算法[J]. 计算机工程与应用, 2011, 47(29): 46-48.
[9]	王建华1，2，李南2，郭慧2. 求解敏捷供应链调度优化问题的混合遗传算法[J]. 计算机工程与应用, 2011, 47(17): 224-228.
[10]	李楠1，2，高鹏东1，鲁永泉1，余文华1. 并行混合遗传算法在深度像配准中的应用研究[J]. 计算机工程与应用, 2011, 47(12): 12-15.
[11]	雷阳，李树荣，张强，张晓东. 基于骨干粒子群的混合遗传算法及其应用[J]. 计算机工程与应用, 2010, 46(36): 7-10.
[12]	杜宗宗，刘国栋. 基于混合遗传模拟退火算法求解TSP问题[J]. 计算机工程与应用, 2010, 46(29): 40-42.
[13]	戎丽霞. 模糊需求条件下车辆路径问题的模糊模拟[J]. 计算机工程与应用, 2010, 46(18): 209-210.
[14]	刘峰¹，左晓静²，张坤¹. 一种新型遗传算法[J]. 计算机工程与应用, 2010, 46(12): 46-49.
[15]	俞武扬. 多式联运运输问题的混合遗传算法[J]. 计算机工程与应用, 2009, 45(33): 10-12.

Pi-sigma神经网络混合学习算法及收敛性分析

Hybrid learning algorithm for Pi-sigma neural network and analysis of its convergence

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