基于混合量子遺傳算法的過程神經(jīng)元網(wǎng)絡(luò)訓練

摘要：針對過程神經(jīng)元網(wǎng)絡(luò)現(xiàn)有學習算法復雜度高、對初值敏感的問題，提出了一種基于混合量子遺傳算法的過程神經(jīng)元網(wǎng)絡(luò)訓練方法。將過程神經(jīng)元網(wǎng)絡(luò)的訓練轉(zhuǎn)換為等價非線性方程組的優(yōu)化求解問題，用量子比特構(gòu)成染色體，采用實數(shù)對染色體進行編碼，同時引入擬牛頓算法作局部搜索。該算法可發(fā)揮量子遺傳算法的群體搜索能力和全局收斂性，以及擬牛頓法較快的收斂速度，同時有效克服了擬牛頓算法對初值敏感的問題。訓練結(jié)果表明，此算法具有較好的穩(wěn)定性和有效性。 關(guān)鍵詞：過程神經(jīng)元網(wǎng)絡(luò)；訓練；學習算法；優(yōu)化求解；量子遺傳算法；混合遺傳算法；擬牛頓迭代法 中圖分類號：TP183 文獻標志碼：A 文章編號：1001－3695(2009)08－2898－04