改进粒子群优化算法和双分支网络的耦合效率预测

摘要

针对混合波导结构耦合效率分析中软件仿真所需时间长、资源占用大的问题，提出神经网络模型对混合波导结构耦合效率进行预测，减少时间资源的占用。为解决多变量问题中不同自变量间步长差距较大导致单一网络特征提取能力受限的问题，提出针对不同变量使用双分支网络进行特征提取，使用改进后的粒子群优化算法对双分支网络超参数进行全自动优化，进一步提高模型预测精度。在混合波导结构耦合效率数据集上的实验表明，提出的改进粒子群优化-双分支网络的均方误差比支持向量机算法与循环神经网络分别降低了88.17百分点、21.17百分点，比标准粒子群优化算法降低了16.81百分点，验证了模型以及改进算法的有效性和优越性。

关键词

粒子群优化算法 / 双分支神经网络 / 混合波导结构耦合效率