改進(jìn)粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的葡萄酒質(zhì)量識別

　　隨著我國經(jīng)濟(jì)的崛起，葡萄酒業(yè)也搭上了我國經(jīng)濟(jì)崛起的快速列車。葡萄酒產(chǎn)業(yè)規(guī)模不斷壯大，但葡萄酒質(zhì)量評定卻沒跟上酒業(yè)發(fā)展的腳步?，F(xiàn)今的葡萄酒質(zhì)量評定方法遠(yuǎn)遠(yuǎn)落后于市場需求。針對這個(gè)問題，本文用PSO優(yōu)化算法代替BP網(wǎng)絡(luò)自身訓(xùn)練過程，建立PSO優(yōu)化BP網(wǎng)絡(luò)模型，進(jìn)而對葡萄酒質(zhì)量進(jìn)行分類評定。經(jīng)過實(shí)證與文獻(xiàn)的對比，PSO優(yōu)化算法的確能夠有效的代替BP神經(jīng)網(wǎng)絡(luò)自身訓(xùn)練過程。

　　近年來，我國經(jīng)濟(jì)水平得到了飛躍的發(fā)展，人們的生活水平也隨之提高。進(jìn)而對養(yǎng)生的需求也越來越高。研究表明，適量的飲酒對人體機(jī)能起到很好的作用，能調(diào)節(jié)人體新陳代謝。而葡萄酒則是養(yǎng)生品之一，人們進(jìn)而喜歡喝葡萄酒，市場對葡萄酒的需求量也隨之越來越大。然而市場上葡萄酒的品質(zhì)參差不齊，如何區(qū)分葡萄酒的質(zhì)量，是現(xiàn)今許多消費(fèi)者和生產(chǎn)廠家都急切盼望解決的問題，因此鑒別葡萄酒的品質(zhì)就顯得尤為重要?，F(xiàn)今的鑒別方法常常是通過理化指標(biāo)、感官指標(biāo)來確定。而感官指標(biāo)主要是通過聘請一批有資質(zhì)的評酒員進(jìn)行品評，用感官分析法來對葡萄酒進(jìn)行等級分類。但這種方法易受到評酒人員嗜好、心理、經(jīng)驗(yàn)等因素的影響，通常使得評定存在一定主觀性和不確定性。因此對葡萄酒質(zhì)量的評定更多的通過理化指標(biāo)來確定。通過對葡萄酒的部分理化指標(biāo)進(jìn)行分析，建立相應(yīng)的模型，進(jìn)而區(qū)分出葡萄酒的品質(zhì)。參考國內(nèi)外的文獻(xiàn)，有許多學(xué)者對葡萄酒等級的分類進(jìn)行研究。

　　隨著數(shù)據(jù)種類和數(shù)量的增加，一般的人工處理數(shù)據(jù)，就變得不現(xiàn)實(shí)。人工智能算法的提出，可以為廣大人民解決許多問題，能大大的縮短處理時(shí)間和減少人力。而BP 神經(jīng)網(wǎng)絡(luò)是人工智能算法中被運(yùn)用最多的神經(jīng)網(wǎng)絡(luò)模型之一。BP 神經(jīng)網(wǎng)絡(luò)是1986 年由Rumelhart 和McCelland 為首的科學(xué)家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)。BP 網(wǎng)絡(luò)能學(xué)習(xí)和存儲大量的輸入到輸出模式映射關(guān)系，而無需提前揭示這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)重和閾值，使網(wǎng)絡(luò)的誤差平方和最小。數(shù)學(xué)理論已經(jīng)證明，三層的BP 神經(jīng)網(wǎng)絡(luò)可以擬合任意的非線性函數(shù)。

　　BP 神經(jīng)網(wǎng)絡(luò)雖然具有以上的優(yōu)點(diǎn)，但是具有一個(gè)明顯的缺點(diǎn)，容易陷入局部極小值。傳統(tǒng)的BP 神經(jīng)網(wǎng)絡(luò)為一種局部搜索的優(yōu)化方法，它要解決的是一個(gè)復(fù)雜非線性化問題，網(wǎng)絡(luò)的權(quán)值是通過沿局部改善的方向逐漸進(jìn)行調(diào)整，這樣會使算法陷入局部極值，權(quán)值收斂到局部極小點(diǎn)，從而導(dǎo)致網(wǎng)絡(luò)訓(xùn)練失敗。加上BP 神經(jīng)網(wǎng)絡(luò)算法對初始網(wǎng)絡(luò)權(quán)重非常敏感，以不同的權(quán)值初始化網(wǎng)絡(luò)，其往往會收斂于不同的局部極小，這也是許多學(xué)者每次訓(xùn)練得到不同結(jié)果的根本原因。因此，針對BP 神經(jīng)網(wǎng)絡(luò)的該缺點(diǎn)，提出用粒子群優(yōu)化算法優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)的權(quán)值與閾值。

　　粒子群優(yōu)化（PSO）算法是近年來發(fā)展起來的一種新的進(jìn)化算法。PSO 算法屬于進(jìn)化算法的一種，和遺傳算法相似，它是從隨機(jī)解出發(fā)，通過迭代尋找最優(yōu)解，它是通過適應(yīng)度來評價(jià)解的品質(zhì)。它通過追隨當(dāng)前搜索到的最優(yōu)解來尋找全局最優(yōu)值。將BP 神經(jīng)網(wǎng)絡(luò)與PSO 算法結(jié)合，通過把BP 神經(jīng)網(wǎng)絡(luò)的權(quán)值與閾值看作PSO 算法里的粒子，經(jīng)過迭代更新，尋找出全局最優(yōu)的適應(yīng)值，最后將最優(yōu)適應(yīng)值返回到BP 神經(jīng)網(wǎng)絡(luò)，作為BP 網(wǎng)絡(luò)的初始權(quán)值。