改进并行粒子群算法优化RBF神经网络建模

来源：计算机工程与应用杂志2017年第14期北京时间：

作者：陆亚男，南敬昌，高明明

单位：辽宁工程技术大学 电子与信息工程学院，辽宁 葫芦岛 125105

摘要：针对已有神经网络功放建模的建模精度不高，易陷入局部极值等问题，提出一种新的改进并行粒子群算法（Improved Parallel Particle Swarm Optimization，IPPSO）。该算法在并行粒子群算法的基础上引入自适应变异操作，防止陷入局部最优；在微粒的速度项中加入整体微粒群的全局最优位置，动态调节学习因子与线性递减惯性权重，加快微粒收敛。将该改进算法用于优化RBF神经网络参数，并用优化的网络对非线性功放进行建模仿真。结果表明，该算法能有效减小建模误差，且均方根误差提高19.08%，进一步提高了神经网络功放建模精度。

关键词：并行粒子群算法,自适应变异操作,径向基函数（RBF）神经网络,平均适应度,功放建模