带启发信息的蚁群神经网络训练算法

ACOR算法是一种应用于连续域实值优化的蚁群算法(Ant Colony Optimization,ACO)。ACOR算法可用于训练神经网络。与常规的蚁群算法不同,ACOR在训练神经网络时未考虑启发式信息(Heuristic Information)。在ACOR的基础上,提出了一种将启发式信息与ACOR相结合的神经网络训练算法——h-ACOR。其中,启发式信息是通过计算神经网络的误差关于网络的权值向量的偏导数而得到的梯度向量。通过十折交叉验证方法,将h-ACOR 应用于UCI数据集中的zoo,iris和tic-tac-toe 3组数据的模式分类问题中来训练神经网络。与ACOR相比,h-ACOR算法在减小分类误差的同时能够提高收敛速度,其收敛的代数约为ACOR算法的1/2,且经过完全训练,对zoo,iris和tic-tac-toe 3组数据的分类准确率分别为91.1%,93.3%和95.6%,高于ACOR算法的83.1%,88.7%和91.9%。