基于混合量子遗传算法的过程神经元网络训练

被引：5

作者：

刘志刚

许少华

机构：

[1] 大庆石油学院计算机与信息技术学院

来源：

计算机应用研究 | 2009年 / 26卷 / 08期

基金：

黑龙江省自然科学基金;

关键词：

过程神经元网络; 训练; 学习算法; 优化求解; 量子遗传算法; 混合遗传算法; 拟牛顿迭代法;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对过程神经元网络现有学习算法复杂度高、对初值敏感的问题,提出了一种基于混合量子遗传算法的过程神经元网络训练方法。将过程神经元网络的训练转换为等价非线性方程组的优化求解问题,用量子比特构成染色体,采用实数对染色体进行编码,同时引入拟牛顿算法作局部搜索。该算法可发挥量子遗传算法的群体搜索能力和全局收敛性,以及拟牛顿法较快的收敛速度,同时有效克服了拟牛顿算法对初值敏感的问题。训练结果表明,此算法具有较好的稳定性和有效性。

引用

页码：2898 / 2901

页数：4

共 8 条

[1] RESEARCH OF QUANTUM GENETIC ALGORITH AND ITS APPLICATION IN BLIND SOURCE SEPARATION [J].