[发明专利]基于自适应回溯搜索的回声状态网络优化方法及设备

权利要求书

1.一种基于自适应回溯搜索的回声状态网络优化方法，其特征在于，包括：

初始化自适应回溯搜索算法的参数，并获取自适应回溯搜索算法的第一代种群和第二代种群，所述第一代种群和第二代种群中的第一个体，构成回声状态网络的储备池到输出层间的第一连接权值矩阵，根据所述第一连接权值矩阵及回声状态网络的状态矩阵，获取所述回声状态网络的第一输出值，并采用适应值函数计算所述第一输出值的适应值；

若当前种群代数小于最大种群代数，则针对所述第一代种群或第二代种群，根据自适应回溯搜索算法，获取实验种群，所述实验种群中的第二个体，构成回声状态网络的储备池到输出层间的第二连接权值矩阵，根据所述第二连接权值矩阵及回声状态网络的状态矩阵，获取所述回声状态网络的第二输出值，并采用适应值函数计算所述第二输出值的适应值；

若所述第二输出值的适应值小于第一输出值的适应值，则采用所述第二个体替换所述第一个体，作为回声状态网络的储备池到输出层间的连接权值矩阵，实现对所述回声状态网络的优化；

其中，所述第一个体为所述第一代种群和第二代种群中的任意单一个体，所述第二个体为所述实验种群中的任意单一个体。

2.根据权利要求1所述的基于自适应回溯搜索的回声状态网络优化方法，其特征在于，所述初始化自适应回溯搜索算法的参数，包括：

初始化种群大小，最大种群代数、最大变异因子、变异因子和/或最小变异因子。

3.根据权利要求1所述的基于自适应回溯搜索的回声状态网络优化方法，其特征在于，所述根据所述第一连接权值矩阵及回声状态网络的状态矩阵，获取所述回声状态网络的第一输出值，包括：

Y＝f^out(W^outX)

其中，f^out为输出层神经元的输出函数，X为回声状态网络的状态矩阵，W^out为第一连接权值矩阵。

4.根据权利要求1所述的基于自适应回溯搜索的回声状态网络优化方法，其特征在于，所述根据所述第二连接权值矩阵及回声状态网络的状态矩阵，获取所述回声状态网络的第二输出值，包括：

Y＝f^out(W^outX)

其中，f^out为输出层神经元的输出函数，X为回声状态网络的状态矩阵，W^out为第二连接权值矩阵。

5.根据权利要求1所述的基于自适应回溯搜索的回声状态网络优化方法，其特征在于，所述适应值函数，包括：

fitness(i)＝output^actual(i)-output^expect(i)

其中，output^actual(i)为所述第一输出值或第二输出值，output^expect(i)为所述第一输出值或第二输出值对应的期望输出值。

6.根据权利要求1所述的基于自适应回溯搜索的回声状态网络优化方法，其特征在于，所述根据自适应回溯搜索算法，获取实验种群，包括：

根据自适应回溯搜索算法的选择I、自适应策略变异操作和交叉，获取实验种群。

7.根据权利要求2所述的基于自适应回溯搜索的回声状态网络优化方法，其特征在于，所述自适应策略变异操作的变异因子，包括：

其中，F_min为最小变异因子，F_max为最大变异因子，maxGen为最大种群代数，F为自适应策略变异操作的变异因子。