مهدی هروی تربتی - دانشگاه آزاد اسلامی واحد مشهد
سعید راحتی قوچانی

الگوریتمPSOروش بهینهسازی تصادفی است که از حرکت پرندگان الهام گرفته است. این الگوریتم با جمعیتی از راهحلهای تصادفی شروع شده و سپس آنها را بهینه مینماید. از طرفی شبکه عصبی پویا، سیستمی پویا، غیرخطی و قطعی است که برای شناساییرفتارهای سیستم غیرخطی مورد استفاده قرار گرفته است. آموزش شبکه عصبی بهخاطر وجود مینیمم محلی و همگرایی کند، مسالهای پیچیده است. روشهای آموزش آماری مرسوم، همچون پس انتشار خطا 2، دارای سرعت پایین و توقف در نقاط بهینه محلی میباشد. دراین مقاله، روش انطباقی جدیدی، جهت الگوریتمPSOبرای آموزش شبکه عصبی پویا ارائه شده است. هر ذره، حافظه مربوط به بهترین موقعیت خود را هنگامیکه محیط تغییر میکند، تخلیه مینماید، تا جهت و سرعت حرکت، تحت تاثیر اطلاعات قدیمی منسوخ شده، قرارنگیرند. بدین منظوراز تخلیه حافظه بهصورت دورهای، براساس تعدادتکرارها استفاده میشود. نتایج تجربی بهدست آمده در آموزش شبکه عصبی پویا کارآیی روش پیشنهادی را در مقابل الگوریتم پس انتشار خطا و الگوریتمPSOاستاندارد نشان میدهد

الگوریتم بهینهسازی جمعی ذرات، روش پس انتشار خطا، شبکههای عصبی پویا،