基于BtW的和声搜索算法在BP网络优化中的应用

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (28): 52-56.

基于BtW的和声搜索算法在BP网络优化中的应用

王英博1，2，王琳3，李扬3，李仲学1

1.北京科技大学金属矿山高效开采与安全教育部重点实验室，北京 100083
2.辽宁工程技术大学软件学院，辽宁葫芦岛 125105
3.辽宁工程技术大学电子与信息工程学院，辽宁葫芦岛 125105

出版日期:2012-10-01 发布日期:2012-09-29

Harmony search algorithm with BtW and application in BP network optimization

WANG Yingbo1，2, WANG Lin3, LI Yang3, LI Zhongxue1

1.Key Laboratory of Ministry of Education, on Safety and Efficient Mining of Metal Mines, Beijing University of Science and Technology, Beijing 100083, China
2.College of Software, Liaoning Technical University, Huludao, Liaoning 125105, China
3.Electronics and Information Engineering, Liaoning Technical University, Huludao, Liaoning 125105, China

Online:2012-10-01 Published:2012-09-29

摘要/Abstract

摘要： 针对和声搜索算法参数影响其优化BP神经网络的性能问题，提出了一种可有效提高BP神经网络收敛速度和准确度的基于BtW参数动态变化的改进和声算法，同时用于BP网络优化。算法根据和声搜索参数的特点，采用以BtW为自变量的非线性函数变换方法，对微调概率PAR和微调幅度BW进行动态调整，利用改进的和声搜索算法对BP神经网络的连接权和偏置值进行优化。实验结果表明，该算法有效改善了和声搜索算法在BP神经网络优化中的性能，提高了BP网络的训练速度和预测的准确度。

关键词: 和声搜索算法, BP神经网络, BtW, 网络优化

Abstract: Aiming at the problem that the performance of harmony search algorithm is influenced by its parameters while optimizing BP network, an improved harmony search algorithm based on parameters dynamic changes with BtW is proposed and used in BP network optimization, it can improve the convergence rate and accuracy of BP network. According to the characteristics of parameters, nonlinear function transform method decided by BtW is adopted, meanwhile PAR and BW are dynamic adjusted. Then the connection and bias weights of BP network is optimized by the improved harmony search algorithm. The experimental results show that, this method has effectively improved the performance of harmony search algorithm in BP network optimization and has enhanced the training speed and accuracy of BP network.

Key words: harmony search algorithm, BP network, Best-to-Worst（BtW）, network optimization

王英博1，2，王琳3，李扬3，李仲学1. 基于BtW的和声搜索算法在BP网络优化中的应用[J]. 计算机工程与应用, 2012, 48(28): 52-56.

WANG Yingbo1，2, WANG Lin3, LI Yang3, LI Zhongxue1. Harmony search algorithm with BtW and application in BP network optimization[J]. Computer Engineering and Applications, 2012, 48(28): 52-56.

[1]	郑建锋，王应明. 基于DEA-BP神经网络的效率置信区间预测模型研究[J]. 计算机工程与应用, 2021, 57(3): 273-278.
[2]	黄晶晶，王建宏. 分数阶非因果BP神经网络模型[J]. 计算机工程与应用, 2021, 57(23): 91-97.
[3]	曹林根，宓超. 集装箱箱号字符识别算法研究[J]. 计算机工程与应用, 2021, 57(15): 178-185.
[4]	楚彭子，虞翊，林辉，袁建军，姜西. ATO系统速度控制的BP-FIPID算法[J]. 计算机工程与应用, 2020, 56(22): 224-229.
[5]	冯玉芳1，2，卢厚清1，殷宏1，曹林1. 基于BP神经网络的故障诊断模型研究[J]. 计算机工程与应用, 2019, 55(6): 24-30.
[6]	邓烜堃1，2，万良1，2，黄娜娜1，2. 基于DAE-BP神经网络的股票预测研究[J]. 计算机工程与应用, 2019, 55(3): 126-132.
[7]	王勇，杨锦，王瑛. 改进Henon超混沌系统与AES结合的图像加密算法[J]. 计算机工程与应用, 2019, 55(22): 180-186.
[8]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[9]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[10]	卞京红1，贺兴时1，范钦伟1，伊宝民2. 基于自适应花授粉算法的BP神经网络结构优化[J]. 计算机工程与应用, 2018, 54(3): 50-56.
[11]	赵亚飞，韦广梅. 基于BP神经网络的有限元应力修匀的研究[J]. 计算机工程与应用, 2018, 54(13): 67-72.
[12]	翟军昌1，秦玉平2. 随机交叉全局和声搜索算法[J]. 计算机工程与应用, 2018, 54(12): 21-26.
[13]	韦鹏宇1，2，4，潘福成1，2，3，李帅3. 改进人工蜂群优化BP神经网络的分类研究[J]. 计算机工程与应用, 2018, 54(10): 158-163.
[14]	周静1，赵鲁阳1，罗炬锋1，2. 基于时域特征提取的围栏入侵模式分类方法[J]. 计算机工程与应用, 2017, 53(21): 98-102.
[15]	刘裕国，王浩，姚宏亮，李俊照. 水平窗口能量计算的股市趋势预测算法[J]. 计算机工程与应用, 2017, 53(21): 225-232.