量子遗传算法优化神经网络及其在MIMO系统信号检测中的应用研究 第12页
图3-4 经典BP网络拟合曲线
图3-5 自适应BP网络拟合曲线
图3-6 经典BP网络收敛曲线
图3-7 自适应BP网络收敛曲线
3.2.3 量子遗传算法优化BP网络及性能测试
3.2.3.1 量子遗传算法优化BP网络
2.3节中介绍的量子遗传算法(QGA)具有较强的并行处理能力和全局搜索性能，且能以较大的概率找到全局最优解。如果用QGA来完成BP网络的前期搜索，在解空间中定位出一个较好的搜索空间，然后采用BP算法在这个优化解空间中搜索出最优解，必然能进一步克服BP神经网络的缺点。正是基于这样的思路，本文将QGA与3.2.2节中的自适应BP神经网络相结合，设计出一种组合优化的训练算法（QGA-BP），以此达到提高网络性能的目的。
QGA-BP算法流程如图3-8所示：
QGA-BP算法描述：
(1) 初始化：遗传代数 ，种群 ；
(2) 由 量子坍塌生成 ，即对 中各个体实施测量，得到一组状态 ；
(3) 对群体 进行适应度评估，取其中最佳适应度个体作为该个体下一步演化的目标值；
(4) 停止条件判断：当满足停止条件时，输出当前最佳个体，算法结束，否则继续；
(5) 量子交叉操作，对种群 进行更新；
(6) 量子变异操作，采用量子旋转门变异策略更新 ， ，转到(2)；
(7) 将QGA的优化值作为自适应BP网络的初始值，用自适应BP算法训练网络直到满足网络训练停止条件，算法结束。
3.2.3.2 QGA-BP算法性能测试
定义自适应BP网络的输入向量P和目标向量T，设计网络结构为：5个输入神经元、6个隐含神经元和4个输出神经元。
QGA中对群体 进行适应度评估时采用如下设计：
个体 的适应度值 用误差平方和 来衡量，即：
其中 为染色体数； 为输出层节点数； 为学习样本数； 为教师信号。
实验控制参数如下：
自适应BP网络：学习速率为0.01，目标误差为0.002，动量因子为0.5，训练次数为3000；
QGA：种群规模为30，采用全干扰交叉，变异概率为0.15，最大遗传代数为80，误差平方和预定值 设为5.0。
分别用自适应BP算法和QGA-BP算法进行训练，实验结果如图3-9和图3-10所示：比较可看出单纯的自适应BP网络需进行1362步才收敛到指定精度，而用QGA优化过的BP网络仅需555步就收敛，QGA-BP算法比单纯的BP算法收敛速度快。
图3-9 自适应BP收敛曲线
图3-10 QGA-BP收敛曲线
3.3 量子遗传算法优化RBF网络研究
3.3.1 经典RBF网络
径向基函数神经网络(RBF—Radial Basis Function Network)是由输入层、隐含层和输出层构成的三层前馈神经网络，其网络结构与BP神经网络类似，以单个输出神经元为例，RBF神经网络结构如图3-11所示。
图3-11 RBF网络结构
输入层由信号源节点组成，它的每一个神经元对应于输入向量的一个分量，输入层将信号传递到隐含层，隐含层是由一组径向基函数组成的非线性映射层，以基函数变换输入向量，输出层通常是简单的线性函数，对输入模式的作用做出响应。从输入空间到隐含层空间的变换是非线性变换，从隐含层空间到输出层空间的变换是线性变换。隐含层中的基函数将在输入信号的局部产生响应，即当输入信号靠近基函数的中央范围时，隐含层节点将产生较大的输出，由此看出这种网络具有局部逼近能力，所以径向基函数网络也称为局部感知场网络[27]。
设RBF网络的输入层有 个神经元，其中任一神经元用 表示；隐含层有 个神经元，其中任一神经元用 表示。输出层有 个神经元，其中任一神经元用 表示。训练样本集 ,对应的实际网络输出为 ,期望输出为 。当网络输入训练样本 时，第 个隐含层节点的激励输出为：
(3-3-1)
式中， 一般选取高斯函数， 为第 个隐含层节点的中心向量， 表示第 个隐含层节点的中心对应第 个输入的分量， 为第 个隐含层节点的宽度。用 表示第 个隐含层节点与第 个输出层节点的连接权值，则网络的输出为：(3-3-2)
RBF神经网络设计的核心问题是确定隐含层节点的数目及相应的径向基函数的中心和宽度，设计出使误差精度尽可能小的神经网络，以保证神经网络的泛化能力。学习算法对RBF网络的性能十分重要，一般利用输入和期望输出对网络进行训练。在确定网络规模和基函数类型后，对中心 、宽度 和输出层权值 进行训练。由于隐含层节点和输出层节点所起作用不同，RBF网络的训练方法大致可分为如下两类:一类是RBF函数的中心、宽度与输出层权值分别进行训练；另一类是RBF函数的中心、宽度与输出层权值同时进行
<< 上一页 [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] ... 下一页 >>
量子遗传算法优化神经网络及其在MIMO系统信号检测中的应用研究 第12页下载如图片无法显示或论文不完整，请联系qq752018766
