【BP数据预测】人工蜂群算法优化BP神经网络ABC-BP数据预测 （含优化前对比）【含Matlab源码 078期】

⛄一、人工蜂群算法+BP神经网络的预测模型实现流程

人工蜂群算法+BP神经网络算法的训练网络结构与传统的BP神经网络算法相同，此处不进行分析。在网络结构的选择上，选取了三层36-24-24网络结构，并选择Log-sigmoid作为此次的激活函数。

1 人工蜂群算法+BP神经网络的参数选择
为弥补BP神经网络在电力负荷预测中的不足，引入了人工蜂群算法。为了不加大后续的计算难度，需要选择合适的参数，具体设定如下：令蜂群规模为200；令跟随蜂、初始蜜源以及雇佣蜂的数量均为100；令limit为120次，算法最大迭代次数为1 000。

2 人工蜂群算法+BP神经网络模型的实现流程
人工蜂群算法+BP神经网络模型的具体实现流程如图1所示。

由图1可以看出，人工蜂群算法+BP神经网络模型的实现主要经过3个步骤：（1）在确定神经网络拓扑结构后，对蜂群参数（如蜂群大小、初始蜜源、最大迭代次数等）进行初始化处理。（2）利用雇佣蜂在领域内搜寻新蜜源，并计算其适应度情况，当适应度大于蜜源时，则进行标记与取代；反之则舍弃新蜜源。（3）对迭代过程进行检查，以确定是否达到终止条件，当达到终止条件时，获取最优权值和阈值，并进行相应的测试工作，获取最终结果；反之则重复迭代过程，