一种基于混沌遗传与粒子群混合优化的过程神经网络训练算法

针对时变输入/输出过程神经网络的训练问题, 提出一种基于混沌遗传与带有动态惯性因子的粒子群优化相 结合的学习方法. 综合利用粒子群算法的经验记忆、信息共享和混沌遗传算法的混沌轨道遍历搜索性质, 基于PNN 训练目标函数, 构建两种算法相混合的进化寻优机制, 通过适应度评估和优化效率分析自适应调节混沌遗传与粒子 群算法的切换, 实现网络参数在可行解空间的全局优化求解. 实验结果表明, 该算法较大提高了PNN 的训练效率.