基于APSO优化的小麦条锈病神经网络预测模型

莫丽红

摘要：针对小麦条锈病预测模型中样本数有限、样本分布不均的情况，在ＢＰ神经网络中引入改进的ＡＰＳＯ优化算法，对神经网络的权值及阈值进行优化，一方面加入惯性权值及约束系数，另一方面在适应度函数中加入权值平方惩罚项来提高泛化能力，同时对“早熟”现象引入变异操作。通过少样本数据的多角度仿真，结果显示，学习收敛速度及对新样本的泛化能力均得到了明显提高。改进的ＡＰＳＯ－ＢＰ算法能克服常规ＢＰ算法在收敛速度及泛化能力方面的局限性，比常规ＢＰ算法及常规ＰＳＯ－ＢＰ算法优越。

关键词：自适应粒子群算法；泛化能力；仿真；小麦条锈病