针对万有引力搜索算法在进化后期容易陷入局部极值的问题，引入粒子更新策略，在每次迭代时按适应度值的大小重新排列所有粒子，将性能最差的30%部分粒子进行更新，取更新前后最好的粒子和剩余70%粒子组成新的群体，在一定程度上解决了该问题.应用改进的万有引力搜索方法对极限学习机输入权值和隐层偏置进行优化，避免了这些参数随机产生造成的极限学习机算法的不稳定性问题.以矩形微带天线谐振频率建模为例进行验证，结果表明：该方法比经典的极限学习机算法和神经网络算法的误差更小，证明了其有效性.
科研之友
微信
新浪微博
Facebook
分享链接
