主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
孟超,刘三民,孙知信.中心引力算法收敛分析及在神经网络中的应用.软件学报,2013,24(10):2354-2365
中心引力算法收敛分析及在神经网络中的应用
Convergence Proof for Central Force Optimization Algorithm and Application in Neural Networks
投稿时间:2012-07-04  修订日期:2013-01-25
DOI:10.3724/SP.J.1001.2013.04391
中文关键词:  收敛性  中心引力优化算法  确定性
英文关键词:convergence  CFO (central force optimization)  deterministic
基金项目:国家自然科学基金(61373135, 60973140, 61170276); 江苏省产学研项目(BY2013011); 江苏省科技型企业创新基金(BC2013027); 江苏省高校自然科学研究重大项目(12KJA520003)
作者单位E-mail
孟超 南京航空航天大学 计算机科学与技术学院, 江苏 南京 210016  
刘三民 南京航空航天大学 计算机科学与技术学院, 江苏 南京 210016
安徽工程大学 计算机与信息学院, 安徽 芜湖 241000 
 
孙知信 南京航空航天大学 计算机科学与技术学院, 江苏 南京 210016
宽带无线通信与传感网技术教育部重点实验室(南京邮电大学), 江苏 南京 210003 
sunzx@njupt.edu.cn 
摘要点击次数: 2031
全文下载次数: 2051
中文摘要:
      中心引力优化算法(central force optimization,简称CFO)是一种新型的基于天体动力学的多维搜索优化算法.该算法是一种确定性的优化算法,利用一组质子在万有引力作用下的运动,搜索目标函数在决策空间上的最优值.利用天体力学理论对该算法中质子运动方程进行了深入的研究,并利用天体力学中万有引力定理对质子运动方程进行了推导,建立起天体力学与CFO 算法之间的联系,通过天体力学中数学分析的方法对该算法中质子收敛性能进行了分析,最后,通过严格的数学推导证明出:无论初始时质子是何种分布,CFO 算法中所有的质子始终都会收敛于CFO 空间的确定最优解.作为测试效果,将CFO 算法与常见的BP 训练算法相结合,提出了CFO-BP 训练算法,优化前馈型人工神经网络的权值和结构.实验结果表明,采用CFO-BP 算法优化神经网络比其他常见优化算法有更好的收敛精度和收敛速度.
英文摘要:
      Central force optimization (CFO) is a new deterministic multi-dimensional search metaheuristic based on the metaphor of gravitational kinematics. CFO is a deterministic algorithm that explores a decision space by "flying" a group of probes whose trajectories are governed by Newton's laws. Based on in-deph studies on the probes movement governed by the equations of gravitational motion, this paper utilizes Celestial Mechanics theory to deduce moving formulas, establishes the relationship between CFO algorithm and Celestial Mechanics, and analyzes CFO convergence through mathematics analysis of Celestial Mechanics. It concludes that no matter how initial probe distribute, all probes converge deterministically in CFO space with optimal solution. To test CFO's effectiveness, a hybrid CFO-BP algorithm is proposed for joint optimization of three-layer feed forward artificial neural network (ANN) structure and parameters (weights and bias). The experimental results show that the proposed hybrid CFO-BP algorithm is better than other algorithms in convergent speed and convergent accuracy.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利