文档介绍：1 一种改进的 BP 算法及其应用研究彭菊萍李跃光( 甘肃民族师范学院计算机与科学系,甘肃合作 747000) 摘要: 本文针对 BP 算法中的收敛速度慢、学****效率低等缺陷,将蚁群算法与 BP 算法进行融合,提出一种改进的 BP 算法----- ACBP 算法,使算法具有更好的种群多样性和全局寻优能力。结合函数问题,从数值计算上探索了改进的 BP算法的优化能力,并与遗传算法、 BP算法、模拟退火算法和蚁群算法进行了对比, 测试结果表明,该算法具有更好的全局收敛性。关键字 BP 算法;蚁群算法; ACBP 算法;函数问题 An improved BP algorithm and itsa pplication Ping Ju-ping Li Yue-guang (S chool ofC omputer and C ommunication, Lanzhou University of Technology , Lanzhou 730050 , China ) Abstract : Ai ming at BP al gorithm convergence sl ow and be prone to plunge a parti al basi s, an improved BP algorithm ------ACBP Algorithm is proposed in this paper , it has better diversity and global search capacity. The ability of optimization for the algorithm is tested through putation , the experimental de mon s t r a t e s t h a t t h e i mpr o ve d BP al go r i t hm ha s be t t e r di ve r s i t y and gl ob a l s e a r c h capacity than ic algorithm, BP algorithm, ant colony algorithm and simulated anneal algorithm. Key words: BP algorithm; Ant colony algorithm; ACBP algorithm; Function problem. 中图法分类号: TO22 0引言目前智能算法越来越受到人们的关注, 如神经网络、遗传算法、蚁群算法等, 它们在传统算法无法解决的组合优化和 NP 难问题上获得良好的效果, 但这些算法都有其自身的优势和缺陷。如今, 把各种优化算法融合在一起, 发挥各自的优势, 构造出性能更好的算法,已成为研究的一个热点[1] 。蚁群算法和 BP 算法是用于优化神经网络的两种较为常用的方法, 但蚁群算法收敛速度相对较慢,而 BP 算法又易于陷入局部极值[2]。蚁群算法是受自然界中蚂蚁搜索食物行为启发而提出的一种智能优化算法。最早是由 M. Dorigo 等人于 1992 年提出[3]。单个蚂蚁是脆弱的, 但整个蚁群却能完成单个个体无法承担的工作, 蚂蚁借助于信息素这种化学物质进行信息的交流和传递, 并表现出正反馈