翟龍飛 楊沖 賈波 陳迎春

【摘要】 粒子群算法是一種仿照鳥類覓食的全局搜索算法。本文基于短波信號接收信噪比預(yù)測數(shù)據(jù)，利用粒子群算法對BP網(wǎng)絡(luò)參數(shù)進行算法改進，最后通過仿真測試，比較出BP網(wǎng)絡(luò)和PSO+BP網(wǎng)絡(luò)的優(yōu)缺點。

【關(guān)鍵詞】 粒子群算法 BP神經(jīng)網(wǎng)絡(luò) 信噪比預(yù)測

粒子群算法是由現(xiàn)實中的鳥類覓食抽象過來的，將每只鳥抽象為沒有體積與質(zhì)量的粒子即尋優(yōu)問題的每個解，然后將粒子分布于整個N維空間，用矢量來表示空間中的粒子位置與飛行速度。

一、粒子群算法操作

粒子群算法的操作如下：①產(chǎn)生群體、②計算適應(yīng)度③速度和位置更新。

二、基于粒子群算法的優(yōu)化分析

2.1粒子群算法優(yōu)化網(wǎng)絡(luò)參數(shù)的具體步驟

2.2實例仿真

在MATLAB環(huán)境下編程實現(xiàn)粒子群算法對BP網(wǎng)絡(luò)參數(shù)的優(yōu)化，可得粒子群算法的適應(yīng)度函數(shù)變化曲線和PSO-BP網(wǎng)絡(luò)對短波信號接收信噪比預(yù)測值，依次如下圖2、3所示。

三、 PSO+BP神經(jīng)網(wǎng)絡(luò)

3.1 PSO+BP算法的基本步驟

①調(diào)用短波測量管理調(diào)度系統(tǒng)數(shù)據(jù)庫選取數(shù)據(jù)集。②對選定的數(shù)據(jù)集進行歸一化處理和降維處理。③在初始化狀態(tài)下建立BP神經(jīng)網(wǎng)絡(luò)。④利用PSO對BP網(wǎng)絡(luò)參數(shù)進行算法改進，得到改進后BP網(wǎng)絡(luò)的權(quán)值和閾值。⑤提供短波信號接收信噪比預(yù)測數(shù)據(jù)訓(xùn)練PSO+BP神經(jīng)網(wǎng)絡(luò)，仿真測試得出短波信號接收信噪比預(yù)測值。

3.2BP網(wǎng)絡(luò)與PSO+BP網(wǎng)絡(luò)性能分析比較

由上表數(shù)據(jù)不難發(fā)現(xiàn)，相較純BP網(wǎng)絡(luò)，基于粒子群算法的優(yōu)化后的PSO+BP網(wǎng)絡(luò)，其性能參數(shù)MSE趨于更小，同時網(wǎng)絡(luò)訓(xùn)練更加穩(wěn)定。雖然訓(xùn)練過程中，粒子群操作會增加一定的耗時，但時間增加不多，綜合考慮，選取PSO+BP網(wǎng)絡(luò)比BP網(wǎng)絡(luò)更適于系統(tǒng)穩(wěn)定誤差小的要求。