论文部分内容阅读
蚁群算法(Ant Colony Algorithm,ACA)是由意大利学者Dorigo、Maniezz等人在20世纪90年代初提出的模拟蚁群搜索食物过程的一种搜索算法,该算法具有一定的全局搜索能力。然而,蚁群算法收敛速度较慢,并且容易出现停滞现象,针对这个不足,本文引入自适应免疫算法来提高蚁群算法的全局搜索能力和加快蚁群算法的收敛速度,提出了一种改进蚁群算法。本文将改进蚁群算法作为人工神经网络的学习算法,建立了蚁群神经网络模型,通过与BP算法、模拟退火算法、进化算法训练的人工神经网络进行比较,验证了