申请/专利权人：江苏科技大学

申请日：2021-11-17

公开（公告）日：2024-05-28

公开（公告）号：CN114004326B

主分类号：G06N3/006

分类号：G06N3/006;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.05.28#授权;2022.02.22#实质审查的生效;2022.02.01#公开

摘要：本发明公开了一种基于改进郊狼算法的ELM神经网络优化方法，通过改进后的郊狼算法寻找ELM神经网络的最优初始化参数，建立基于ELM神经网络的海杂波预测模型，实现对海杂波的预测和抑制，提高了神经网络模型的稳定性和精度。本发明在迭代过程中以一定的概率对郊狼种群进行随机分组，这种方式既保留了分成多个组群分别并行搜索的优势，也加强了整个种群之间的交流与信息共享。采用新型成长公式指导郊狼成长，较好的平衡了算法的开采能力与搜索能力。对组内最优郊狼进行动态莱维变异，郊狼在迭代初期变异的维度更多，帮助探索更多新区域，在迭代后期变异维度减少，可对最优解区域进行精细搜索，增强了种群的多样性，有效避免了陷入局部最优的问题。

主权项：1.一种基于改进郊狼算法的ELM神经网络优化方法，其特征在于：该方法应用于海杂波预测，包含下列步骤：步骤1：确定ELM神神经网络的结构，根据求解问题确定神神经网络的输入以及输出节点个数，确定隐含层神经元节点数；步骤2：根据输入层和隐含层节点数计算所需优化的网络参数的个数，将所要优化的目标映射为郊狼的位置，初始化分组个数NP以及每组的郊狼个数NC，初始化郊狼种群的位置；步骤3：将数据进行归一化处理，然后将训练数据输入到网络模型当中，根据网络输出值与预测值的误差，用适应度函数来评估当前郊狼个体的适应度值；步骤4：对郊狼种群以概率Pg进行随机分组；步骤4对郊狼种群以概率Pg进行随机分组，Pg为自定义的随机分组概率，设置Pg＝0.05；对郊狼种群进行随机分组满足下式： 式中，t为当前迭代数，Packst-1表示迭代次数为t-1时的分组情况，r1是[0,1]上的均匀分布的随机数；步骤5：根据适应度值对组内郊狼个体进行排序，确定全局最优郊狼alphaall、组内最优郊狼alpha，并计算文化趋势cult；步骤5采用下式作为组内文化趋势cult的计算函数： 式中，NC表示每组的郊狼个数，表示按照适应度值进行排序之后的第个郊狼的第jj＝1,2,…，n维变量的社会状态因子，表示第个郊狼的第jj＝1,2,…，n维变量的社会状态因子；步骤6：郊狼按照新型成长公式成长，评估成长后郊狼的社会适应能力，贪心选择适应能力好的成长后郊狼；步骤6中新型成长公式定义如下： 式中，SOC表示郊狼成长前的位置，cult表示组内文化趋势，SOC_fit表示郊狼个体的适应度值，cult_fit表示组内文化趋势的适应度值，alpha表示组内最优郊狼，alphaall表示全局最优郊狼，alphapr表示随机选取的其他组的最优郊狼，SOCcr2，SOCcr3，SOCcr4表示组内随机选取的三只不同郊狼，t为当前迭代次数，T为最大迭代次数，r2，r3，r4为[0,1]范围内的均匀分布的随机数；郊狼成长后，采用适应度函数评估郊狼的适应度值，按照下式定义贪心选择成长前后适应能力更好的郊狼： 式中，new_SOC_fit为成长后的郊狼个体new_SOC的适应度值，SOC_fit为成长前的郊狼个体SOC的适应度值；步骤7：幼狼的出生和死亡，如果幼狼存活，则幼狼的年龄为0；步骤7采用下式作为组内幼狼的出生公式： 式中，pupj表示组内出生的幼狼个体在第jj＝1,2,…，n维的社会状态因子，j1,j2为问题的两个随机维度，f1,f2是该组中两个不同的随机父郊狼标引号，以确保幼狼一定遗传两个父郊狼的基因；表示郊狼f1在维度j上的社会状态因子，表示郊狼f2在维度j上的社会状态因子，Rj是第j维社会状态因子在决策变量范围内的随机数；Ps是分散概率，Pa是关联概率；Ps和Pa由下式决定： 式中，n表示待优化问题的维数；步骤8：对组内最优郊狼进行动态莱维变异操作，贪婪保存变异前后的郊狼；步骤8对组内最优郊狼进行动态莱维变异操作，采用下式作为变异维数N的定义公式： 式中，t为当前迭代次数，T为最大迭代次数，n表示待优化问题的维数，int表示取整函数；随机选取变异的维数后，采用下式作为郊狼进行莱维变异的计算公式： 式中，j1,j2表示郊狼个体在n维中随机选中进行变异的维度，j1≠j2＝1,2,…,n，表示变异郊狼在j1维上的社会状态因子，leviβ为莱维飞行步长，莱维指数β∈0,2]，参数u,v为服从下式定义的正太分布的随机数： 步骤9：郊狼被组驱离和接纳，并更新每个郊狼的年龄，更新全局最优郊狼的位置；步骤10：判断是否达到给定的最大迭代次数，如果达到最大迭代次数则返回全局最优郊狼的位置参数，并将其映射为ELM神神经网络所对应的网络参数初始值，否则返回步骤4。

全文数据：

权利要求：

百度查询： 江苏科技大学 一种基于改进郊狼算法的ELM神经网络优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD