采用改进的布谷鸟算法优化极限学习机

摘要

针对极限学习机在处理非线性问题时,网络结构难以确定,将导致算法精度低、稳定性差的问题,提出利用改进的布谷鸟搜索算法优化极限学习机的算法.引入差分进化算法的变异策略对布谷鸟搜索算法进行改进,从而减少了迭代次数、增强了全局搜索能力;然后采用改进后的CS算法自适应的选择极限学习机的隐层神经元的个数及其所对应的输入权值和阈值,以提高模型的精度和稳定性.对不同数据的时间序列预测的仿真结果表明,提出的算法与其它算法相比,在收敛速度、预测精度和稳定性方面都有明显的提高.把提出的算法应用到多步预测中,进一步验证了提出的算法的有效性.