咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于小世界模型的社会情感优化算法及应用研究 收藏
基于小世界模型的社会情感优化算法及应用研究

基于小世界模型的社会情感优化算法及应用研究

作     者:李旭明 

作者单位:太原科技大学 

学位级别:硕士

导师姓名:崔志华

授予年度:2012年

学科分类:08[工学] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术(可授工学、理学学位)] 

主      题:社会情感优化算法 邻域结构 小世界模型 人工神经网络 

摘      要:社会情感优化算法是一种新近提出的随机优化算法,该算法通过模拟人类群体的决策行为,将个体的情绪引入算法,有效的改善了算法性能。但标准社会情感优化算法仅针对全连通邻域,没有考虑人类群体的复杂网络特征,因此,本文从邻域结构角度对社会情感优化算法进行了改进,并应用于人工神经网络训练问题,主要研究内容包括: (1)人类社会具有典型的“小世界特性,因此,将具有小世界特征的网络模型引入社会情感优化算法,更能真实的模拟人类社会群体特征。因此,论文提出了基于WS小世界模型及基于NW小世界模型的社会情感优化算法。在这两种改进算法中,整个搜索过程分为两部分,前半部分利用小世界模型的产生过程来提高算法全局搜索能力,如WS小世界模型的网络断边重连特性、NW小世界模型的网络随机加边特性。而在算法后期则采用全连通网络进行搜索,进行局部搜索,仿真结果表明这两种小世界拓扑结构能有效改善高维多峰问题的性能,且NW小世界模型的结果优于WS小世界模型。 (2)情绪指数是社会情感优化算法的一个重要参数,在标准社会情感优化算法中,个体的情绪指数仅考虑自身评价值的变化,忽略了周围个体对他的影响。为此,论文设计了一种新的情绪指数调整策略,该策略不仅考虑自身的个体评价,而且考虑其邻域内成员的平均评价,并将该调整策略分别引入WS小世界模型及NW小世界模型两种拓扑结构,仿真结果表明,该策略明显提高了算法后期的局部搜索能力,且NW小世界模型的结果优于WS小世界模型。 (3)为了进一步验证改进的算法的性能,我们将几种改进的社会情感优化算法应用于人工神经网络训练,并以心脏病分类问题及太阳黑子预测问题为例,验证了本文算法的有效性。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分