基于改进混合算法优化RBF网络的滤波器建模
【出 处】:
【作 者】:
南敬昌
陆亚男
高明明
【摘 要】为构建精确的微带线滤波器神经网络模型,提出一种结合自适应遗传算法和改进粒子群算法的混合算法.在自适应遗传算法中,构造二次型选择策略以提高优秀个体的复制概率,加快收敛到初始全局最优解;利用粒子群算法良好的局部搜索能力,在标准粒子群算法的位置迭代公式中引入高斯扰动项,以克服收敛速度慢和早熟收敛的缺点,提高搜索全局最优解的可能性.通过对测试函数仿真,验证改进算法的可行性.最后将混合算法用于优化神经网络参数,建立平行耦合微带线滤波器模型.结果表明,滤波器参数S21和S11的均方根误差至少减小18.22%与12.68%,微带滤波器建模精度得到提高,验证了该算法对滤波器建模的有效性和可靠性.
相关热词搜索: 平行耦合微带线滤波器 选择策略 高斯扰动 RBF神经网络 行为建模 遗传粒子群算法
上一篇:第一页
下一篇: 面向监狱服刑人员的聚类与分类算法研究