[發明專利]一種基于改進灰狼算法的BP神經網絡優化方法

在審

• 申請號: 202010496667.0
• 申請日: 2020-06-03
• 公開（公告）號: CN111723945A
• 公開（公告）日: 2020-09-29
• 發明（設計）人: 勾廣欣;倪萌
• 申請（專利權）人: 杭州欣禾圣世科技有限公司
• 主分類號: G06N20/20
• 分類號: G06N20/20;G06N3/00;G06N3/04;G06N3/08
• 代理公司: 北京聯瑞聯豐知識產權代理事務所(普通合伙) 11411
• 代理人: 周超

1.一種基于改進灰狼算法的BP神經網絡優化方法，其特征在于，包括如下步驟：

(Ⅰ)選擇BP神經網絡本身的結構，確定網絡隱藏層的節點數；

(Ⅱ)初始化基本參數：利用復數值編碼方式初始化灰狼種群，產生n個灰狼的位置，根據網絡結構計算灰狼的種群大小、初始化參數A，a和C，確定最大迭代次數；

(Ⅲ)確定神經網絡適應度函數、輸出節點的激勵函數；

(Ⅳ)計算灰狼個體適應度值，找出適應度值的最優解(α狼的位置X_α)，次優解(β狼的位置X_β)以及第三優解(δ狼的位置X_δ)，更新剰余灰狼ω的位置信息，并更新參數A，a和C的值；

(Ⅴ)選取訓練樣本和測試樣本進行實驗，并記錄誤差及其對應的最優解(α狼的位置X_α)；

(Ⅵ)判斷是否滿足達到最大迭代次數或者達到設定的誤差值，如滿足條件終止循環，否則重復步驟(Ⅳ)至步驟(Ⅵ)；以及

(Ⅶ)最后返回結果為灰狼α的位置，以及訓練過程每一次迭代灰狼α的位置，灰狼α所在位置的最小誤差，訓練樣本和測試樣本的誤差。

2.根據權利要求1所述的基于改進灰狼算法的BP神經網絡優化方法，其特征在于，其中在所述步驟(Ⅱ)中，根據如下公式(8)初始化灰狼種群：

x_p＝R_p+iI_p，p＝1，2，...，M (8)

其中灰狼的基因可以表示為二倍體，記為(R_p，iI_p)，其中R_p表示變量的實部，I_p表示變量的虛部。

3.根據權利要求2所述的基于改進灰狼算法的BP神經網絡優化方法，其特征在于，其中在所述步驟(Ⅳ)中，定義一種可變比例權重，利用最佳位置的加權總和來進行位置更新，即遵循公式(9)至公式(12)：

其中比例權重ω₁、ω₂、ω₃，在算法每次迭代流程中是動態可變的。

4.根據權利要求3所述的基于改進灰狼算法的BP神經網絡優化方法，其特征在于，其中控制因子滿足公式(13)：

其中參數t_max是最大迭代次數，控制因子隨迭代次數的增加非線性動態變化。

5.根據權利要求1所述的基于改進灰狼算法的BP神經網絡優化方法，其特征在于，其中在所述步驟(Ⅳ)中，根據如下公式(1)至公式(13)更新剰余灰狼ω的位置信息：

式(1)表示個體與獵物間的距離；

式(2)是灰狼的位置更新公式；

其中，是收斂因子，隨著迭代次數從2線性減小到0，和的模取[0，1]之間的隨機數；

其中，和分別表示α、β和δ與其他個體間的距離；和分別代表α、β和δ的當前位置；是隨機向量，是當前灰狼的位置；

式(6)分別定義了狼群中ω個體朝向α、β和δ前進的步長和方向；

式(7)定義了ω的最終位置；

x_p＝R_p+iI_p，p＝1，2，...，M (8)

式(8)中，灰狼的基因可以表示為二倍體，記為(R_p，iI_p)，其中R_p表示變量的實部，I_p表示變量的虛部；

式(9)至式(12)中，比例權重ω₁、ω₂、ω₃，在算法每次迭代流程中是動態可變的；

式(13)中，參數t_max是最大迭代次數，控制因子隨迭代次數的增加非線性動態變化。