摘要
自从60年代J.霍兰提出遗传算法以来,模拟进化算法得到了很大的发展和应用。协同进化算法是针对遗传算法的不足提出,还处于研究初步阶段。该文在竞争型协同进化的基础上,借鉴生态学中物种竞争模型,提出了基于Gause竞争方程的竞争型协同进化算法,并将该算法应用于模糊神经系统的辨识问题上。实验证明,该算法比标准遗传算法、典型竞争型协同进化算法和BP学习算法具有更好的全局收敛性和更快的收敛速度,在一定程度上解决了标准遗传算法的不足。
Genetic Algorithm and Fuzzy Neural Network are being the intense popular interests at present.A co-evolution algorithm is brought forward to solve the premature convergence and speed up the convergence of GA.This paper presents a new competitive co-evolution algorithm,which offers advantages over traditional evolutionary algorithm based on the Gause competitive model in the field of ecology.To show the efficiency we apply it to optimize a fuzzy neural network.
出处
《计算机工程与应用》
CSCD
北大核心
2004年第34期85-87,91,共4页
Computer Engineering and Applications
关键词
模拟进化算法
遗传算法
Gause竞争方程
竞争型协同进化
模糊神经网络
evolutionary algorithm,Genetic Algorithm(GA),Gause competitive function,Competitive Co-evolution Algorithm(CCA),Fuzzy Neural Network(FNN)
