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

在審

• 申請?zhí)枺?/td>: 202310032229.2
• 申請日: 2023-01-10
• 公開（公告）號: CN116306838A
• 公開（公告）日: 2023-06-23
• 發(fā)明（設(shè)計）人: 張先芝;尚尚;王召斌;葉辰;喬鐵柱;祝健;石依山;徐環(huán)
• 申請（專利權(quán)）人: 江蘇科技大學(xué)
• 主分類號: G06N3/0499
• 分類號: G06N3/0499;G06N3/006;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: 李寰

1.一種基于改進(jìn)松鼠算法的KELM神經(jīng)網(wǎng)絡(luò)優(yōu)化方法，其特征在于，包含下列步驟：

步驟1、確定KELM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，根據(jù)求解問題確定神經(jīng)網(wǎng)絡(luò)的輸入以及輸出節(jié)點的個數(shù)；

步驟2、根據(jù)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)映射為松鼠的位置，確定種群數(shù)量及山核桃樹、橡樹、普通樹的數(shù)量，初始化松鼠種群的位置；

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)預(yù)測值與真實值的誤差，用適應(yīng)度函數(shù)來評估當(dāng)前松鼠個體的適應(yīng)度值；

步驟4、根據(jù)松鼠的適應(yīng)度值對其進(jìn)行排序，將松鼠分配到山核桃樹、橡樹、普通樹上；

步驟5、根據(jù)適應(yīng)度閾值將松鼠分為優(yōu)質(zhì)松鼠和非優(yōu)質(zhì)松鼠，分配不同的滑動系數(shù)，并根據(jù)多樣的覓食機制進(jìn)行位置更新；

步驟6、根據(jù)信息共享策略對山核桃樹上的松鼠進(jìn)行位置更新；

步驟7、計算松鼠的適應(yīng)度值并進(jìn)行排序，將松鼠分配至山核桃樹、橡樹、普通樹；

步驟8、判斷是否滿足季節(jié)變換條件，滿足則更新普通樹上的松鼠位置；

步驟9、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)松鼠的位置參數(shù)，并將其映射為KELM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所述的基于改進(jìn)松鼠算法的KELM神經(jīng)網(wǎng)絡(luò)優(yōu)化方法，其特征在于，步驟2所述松鼠的數(shù)量等于山核桃樹、橡樹、普通樹的總數(shù)和，每只松鼠停留在一棵樹上，其中n滿足下式：

n＝n_h+n_a+n_n?(1)

式中，n_h,n_a,n_n分別表示山核桃樹、橡樹、普通樹的個數(shù)，隨機初始化松鼠種群的位置，采用下式作為松鼠的初始化位置：

SOC_i,j＝SOC_j,L+rand(0,1)×(SOC_j,H-SOC_j,L)?(2)

式中，SOC_j,L和SOC_j,H分別代表松鼠在第j維搜索空間的下界和上界，rand(0,1)為[0，1]范圍中生成的均勻分布的隨機數(shù)。

3.根據(jù)權(quán)利要求1所述的基于改進(jìn)松鼠算法的KELM神經(jīng)網(wǎng)絡(luò)優(yōu)化方法，其特征在于，步驟3中初始化松鼠位置時，初始化范圍設(shè)定為(0.001，100)之間，對數(shù)據(jù)進(jìn)行歸一化處理，采用下式作為計算函數(shù)：

式中，表示第i(i＝1,2,…,m)個數(shù)據(jù)的歸一化值，m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，

用適應(yīng)度函數(shù)來評估當(dāng)前松鼠的適應(yīng)度值，采用下式作為適應(yīng)度值的計算函數(shù)：

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