浅谈粒子群算法与BP神经网络

聂琼

【摘要】【摘要】粒子群优化（PSO）算法是一种新兴的优化技术，其思想来源于人工生命和演化计算理论。该算法简单易实行，可调参数少，已得到广泛研究和应用。现主要阐述了粒子群算法（PSO）和BP神经网络的特点，并分析了粒子群算法优化BP神经网络的必要性，同时对今后的研究前景作了具体的展望。

【期刊名称】轻纺工业与技术

【年(卷),期】2013(042)001

【总页数】3

【关键词】【关键词】粒子群算法；神经网络；BP算法；优化

粒子群优化算法（Particle Swarm Optimization，简称PSO），最初是由Eberhart博士和kennedy博士于1995年提出并成功地用于函数优化，后来又进行了有效的拓展，是计算智能领域除蚁群优化算法（Ant Colony Optimization，简称ACO）外的另外一种群体智能算法（Swarm Intelligence，简称SI）。PSO算法属于进化算法的一种，和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解，通过适应度来评价解的品质。由于原理上十分简单，所需参数也较少，收敛速度快和算法本身的易实现性，目前PSO算法已经被广泛应用于神经网络训练、目标函数优化和模糊控制系统等许多领域。

1 粒子群优化算法原理

PSO算法首先在可行解空间中初始化一群粒子，每个粒子都代表极值优化问题