[發(fā)明專利]一種基于改進(jìn)郊狼算法的ELM神經(jīng)網(wǎng)絡(luò)優(yōu)化方法

在審

• 申請?zhí)枺?/td>: 202111365807.1
• 申請日: 2021-11-17
• 公開（公告）號: CN114004326A
• 公開（公告）日: 2022-02-01
• 發(fā)明（設(shè)計）人: 尚尚;張先芝;王召斌;戴圓強(qiáng);劉明;楊童
• 申請（專利權(quán)）人: 江蘇科技大學(xué)
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06N3/04;G06N3/08
• 代理公司: 南京正聯(lián)知識產(chǎn)權(quán)代理有限公司 32243
• 代理人: 郭俊玲

1.一種基于改進(jìn)郊狼算法的ELM神經(jīng)網(wǎng)絡(luò)優(yōu)化算法，其特征在于：該方法包含下列步驟：

步驟1：確定ELM神神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，根據(jù)求解問題確定神神經(jīng)網(wǎng)絡(luò)的輸入以及輸出節(jié)點(diǎn)個數(shù)，確定隱含層神經(jīng)元節(jié)點(diǎn)數(shù)；

步驟2：根據(jù)輸入層和隱含層節(jié)點(diǎn)數(shù)計算所需優(yōu)化的網(wǎng)絡(luò)參數(shù)的個數(shù)，將所要優(yōu)化的目標(biāo)映射為郊狼的位置，初始化分組個數(shù)N_P以及每組的郊狼個數(shù)N_C，初始化郊狼種群的位置；

步驟3：將數(shù)據(jù)進(jìn)行歸一化處理，然后將訓(xùn)練數(shù)據(jù)輸入到網(wǎng)絡(luò)模型當(dāng)中，根據(jù)網(wǎng)絡(luò)輸出值與預(yù)測值的誤差，用適應(yīng)度函數(shù)來評估當(dāng)前郊狼個體的適應(yīng)度值；

步驟4：對郊狼種群以概率P_g進(jìn)行隨機(jī)分組；

步驟5：根據(jù)適應(yīng)度值對組內(nèi)郊狼個體進(jìn)行排序，確定全局最優(yōu)郊狼alpha^all、組內(nèi)最優(yōu)郊狼alpha，并計算文化趨勢cult；

步驟6：郊狼按照新型成長公式成長，評估成長后郊狼的社會適應(yīng)能力，貪心選擇適應(yīng)能力好的成長后郊狼；

步驟7：幼狼的出生和死亡，如果幼狼存活，則幼狼的年齡為0；

步驟8：對組內(nèi)最優(yōu)郊狼進(jìn)行動態(tài)萊維變異操作，貪婪保存變異前后的郊狼；

步驟9：郊狼被組驅(qū)離和接納，并更新每個郊狼的年齡，更新全局最優(yōu)郊狼的位置；

步驟10：判斷是否達(dá)到給定的最大迭代次數(shù)，如果達(dá)到最大迭代次數(shù)則返回全局最優(yōu)郊狼的位置參數(shù)，并將其映射為ELM神神經(jīng)網(wǎng)絡(luò)所對應(yīng)的網(wǎng)絡(luò)參數(shù)初始值，否則返回步驟4。

2.根據(jù)權(quán)利要求1所述一種基于改進(jìn)郊狼算法的ELM神經(jīng)網(wǎng)絡(luò)優(yōu)化算法，其特征在于：步驟2所述郊狼的位置是一個n維的數(shù)據(jù)，其中n由下式計算所得：

n＝hidnum*innum+hidnum (1)

式中hidnum表示徑向基神神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)的個數(shù)，innum表示輸入層節(jié)點(diǎn)數(shù)的個數(shù)。

3.根據(jù)權(quán)利要求1所述一種基于改進(jìn)郊狼算法的ELM神經(jīng)網(wǎng)絡(luò)優(yōu)化算法，其特征在于：步驟2中初始化郊狼位置時，初始化范圍設(shè)定為(-1,1)之間。

4.根據(jù)權(quán)利要求1所述一種基于改進(jìn)郊狼算法的ELM神經(jīng)網(wǎng)絡(luò)優(yōu)化算法，其特征在于：對數(shù)據(jù)進(jìn)行歸一化處理，采用下式作為計算函數(shù)：

x_i％＝(x_i-min(x))/(max(x)-min(x)) (2)

式中x_i％表示第i(i＝1,2,L,n)個數(shù)據(jù)的歸一化值，n表示輸入數(shù)據(jù)樣本個數(shù)，x_i為第i個樣本值,max(x)表示輸入樣本的最大值，min(x)表示輸入樣本的最小值；

適應(yīng)度值的計算函數(shù)如：

式中Y表示真實(shí)標(biāo)簽的值，Y_p表示神神經(jīng)網(wǎng)絡(luò)的預(yù)測值，N為訓(xùn)練數(shù)據(jù)的個數(shù)。

5.根據(jù)權(quán)利要求1所述一種基于改進(jìn)郊狼算法的ELM神經(jīng)網(wǎng)絡(luò)優(yōu)化算法，其特征在于：步驟4中對郊狼種群進(jìn)行隨機(jī)分組滿足下式：

式中，t為當(dāng)前迭代數(shù)，Packs^t-1表示迭代次數(shù)為t-1時的分組情況，r₁是[0,1]上的均勻分布的隨機(jī)數(shù)，P_g為自定義的隨機(jī)分組概率。

6.根據(jù)權(quán)利要求1所述一種基于改進(jìn)郊狼算法的ELM神經(jīng)網(wǎng)絡(luò)優(yōu)化算法，其特征在于：步驟5文化趨勢cult的計算函數(shù)為：

式中，N_C表示每組的郊狼個數(shù)，表示按照適應(yīng)度值進(jìn)行排序之后的第個郊狼的第j(j＝1,2,…，n)維變量的社會狀態(tài)因子，表示第個郊狼的第j(j＝1,2,…，n)維變量的社會狀態(tài)因子。