人工魚群算法（AFSA）是2002年李曉磊提出的基于魚群行為的尋求全局最優(yōu)
的新型搜索策略，該算法具有較優(yōu)的全局收斂能力及較快的尋優(yōu)速度。本文首次將
人工魚群算法應用于人工神經網絡的學習，形成了人工魚群神經網絡模型，通過與
BP算法、模擬退化算法、進化算法訓練的人工神經網絡進行比較，驗證了人工魚群
神經網絡在全局尋優(yōu)能力上的優(yōu)勢，進而利用人工魚群神經網絡進行電力系統(tǒng)短期
負荷預測，建立了人工魚群神經網絡預測模型。為了進一步提高算法的穩(wěn)定性，以
及求得全局最優(yōu)值的能力，文中給出了改進的人工魚群算法。當人工魚種群的最優(yōu)
值在多代未變的情況下，加入了“跳躍”行為，改變人工魚個體的參數，避免陷入
局部最優(yōu)并提高了尋求全局最優(yōu)解的能力。然后建立了新的預測模型，實際編程表
明，改進后的模型具有更好的全局最優(yōu)化能力及穩(wěn)定性。
標簽：
AFSA
2002
人工魚群
算法
上傳時間：
2013-12-18
上傳用戶：BOBOniu
