基于蚁群优化的前向神经网络  

Study on the Feedforward Neural Network Based on Ant Colony Optimization

作　　者：梅红[1] 王勇[1] 赵荣齐[1] 

机构地区：[1]山东大学机械工程学院,济南250061

出　　处：《武汉理工大学学报（交通科学与工程版）》2009年第3期531-533,共3页Journal of Wuhan University of Technology（Transportation Science & Engineering）

基　　金：国家自然科学基金项目(批准号:50775130);山东省自然科学基金项目(批准号:Y2002F13)资助

摘　　要：提出了一种新的神经网络学习方法.利用蚁群算法学习神经网络,克服了传统BP算法的不足.同时,针对蚁群算法主要用于组合优化的应用特点,对其进行了改进.将离散的信息素分布矩阵及概率分布矩阵拓展为连续的信息素分布函数和概率分布函数.将搜索的范围扩展到连续区域.使得新算法兼具了蚁群算法的全局快速寻优能力与神经网络的广泛映射能力.通过实例证明了该方法的有效性和快速性.A new way to learn neural network （NN） is proposed in this paper. Ant colony algorithm is used to learn neural network. It overcomes the shortcomings of traditional BP algorithm. Because ant colony algorithm is used for combination optimization, the basic ant colony algorithm is modified. Both the discrete pheromone matrix and probability matrix are extended to continuous function. So the searching field is also extended to a continuous one accordingly. This new way has the merits of both ant colony algorithm and neural network. Its validity and speed are tested through an example.

关 键 词：蚁群算法 神经网络 信息素分布函数 概率分布函数 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]