1 简介
人工神经网络已成功应用到许多领域,如模式识别、机器学习、信号处理和信息融合等,但是,如果神经网络的学习算法或拓扑结构选择不当,可能导致出现神经网络的预测准确度低的问题。为此,许多研究者开始将元启发式优化算法应用于神经网络的性能优化。布谷鸟搜索算法(Cuckoo Search,CS)是一种新型的元启发式搜索算法,其只有一个控制参数,且布谷鸟搜索算法寻优过程简单,因此能够很好地协调全局搜索(Exploration)和局部搜索(Exploitation)。本文将采用布谷鸟搜索算法应用于神经网络的权值和阈值优化。本文主要工作如下: 本文在介绍了布谷鸟搜索算法和BP神经网络的基础上,提出了布谷鸟搜索算法优化晦涩神经网络算法,该算法以神经网络的训练误差为适应度函数,对神经网络的权值和阈值进行优化,它已成功应用到订单数量预测的问题。
2 部分代码
function new_nest=empty_nests(nest,Lb,Ub,pa)% A fraction of worse nests are discovered with a probability pan=size(nest,1);% Discovered or not -- a status vectorK=rand(size(nest))>pa;% In the real world, if a cuckoos egg is very similar to a hosts eggs, then% this cuckoos egg is less likely to be discovered, thus the fitness should% be related to the difference in solutions. Therefore, it is a good idea% to do a random walk in a biased way
