基于量子粒子群优化策略的车联网交通流量预测方法
发布时间:2023-02-16 10:33
文中提出一种基于量子粒子群优化策略的车联网交通流量预测算法。根据交通流量数据特征建立对应模型,将遗传模拟退火算法应用到量子粒子群算法中得到优化的初始聚类中心,并将优化后的算法应用于径向基神经网络预测模型的参数优化,通过径向基神经网络的高维映射得到所需预测的数据结果。另外,将所提算法与QPSO-RBF等其他相关算法进行了比较研究。仿真结果显示,相比于其他算法,所提算法能够降低预测误差,得到更好、更稳定的预测结果。
【文章页数】:7 页
【文章目录】:
1 引言
2 相关研究工作
3 算法原理及模型构建
3.1 优化聚类RBF神经网络
3.1.1 RBF神经网络
3.1.2 模拟退火遗传聚类算法
1)编码方式。
2)设置适应度函数。
3)交叉操作。
4)变异操作。
5)个体模拟退火。
3.2 量子粒子群优化策略
3.2.1 粒子群算法
3.2.2 量子粒子群优化策略
(1)计算mbest
(2)粒子位置更新
4 交通流量预测算法的设计与分析
5 实验测试及性能分析
5.1 数据集
5.2 性能指标及仿真对比结果
本文编号:3744037
【文章页数】:7 页
【文章目录】:
1 引言
2 相关研究工作
3 算法原理及模型构建
3.1 优化聚类RBF神经网络
3.1.1 RBF神经网络
3.1.2 模拟退火遗传聚类算法
1)编码方式。
2)设置适应度函数。
3)交叉操作。
4)变异操作。
5)个体模拟退火。
3.2 量子粒子群优化策略
3.2.1 粒子群算法
3.2.2 量子粒子群优化策略
(1)计算mbest
(2)粒子位置更新
4 交通流量预测算法的设计与分析
5 实验测试及性能分析
5.1 数据集
5.2 性能指标及仿真对比结果
本文编号:3744037
本文链接:https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3744037.html