基于PSO和L-M优化方法的奇偶问题学习算法

摘要

神经网络训练的BP算法具有学习过程收敛速度慢、易陷入局部极小点以及鲁棒性差等缺陷.粒子群优化群算法是一种全局随机优化的进化群体算法,能够有效地解决比较复杂的优化问题。将PSO 算法与改进的BP 算法Levenberg-Marquardt(L-M)算法相融合应用于奇偶问题学习算法中,增强了算法的优化性能,有效地解决了一般BP 算法收敛速度慢、易陷入局部极小点的问题,实例表明这种混合算法的优越性。