技术摘要：
本发明涉及模型优化技术领域，公开了一种基于萤火虫算法的参数优化方法、装置、设备及存储介质，所述方法包括以下步骤：建立预设神经网络模型，获取所述预设神经网络模型中的目标参数，通过萤火虫算法根据所述目标参数生成萤火虫种群个体，获取所述萤火虫种群个体的位  全部
背景技术：
萤火虫算法是一种群智能算法，主要用于多目标全局寻优，这一算法模仿萤火虫 群体之间会根据发光亮度相互吸引的特性，使得种群内个体通过向适应度较高的个体进行 移动，从而提高自身的适应度，进而寻得目标区域内的最优值，这一算法已被证明在大多数 多目标寻优问题上表现优于遗传算法、粒子群算法等早期提出的群优化算法。但在将萤火 虫算法应用到部分神经网络上时(如小波神经网络)，参数的初始化具有一定的随机性，导 致训练时间较长，训练结果的波动性较大，因此，如何改进萤火虫算法，并将改进后的萤火 虫算法运用到神经网络的参数优化上，有助于神经网络获得符合期许的初始参数值，从而 缩短神经网络的训练时间，提高神经网络的收敛精度，进一步地，提高基于所述神经网络建 立的数据预测模型的预测精度。 上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技 术。
技术实现要素：
本发明的主要目的在于提供了一种基于萤火虫算法的参数优化方法、装置、设备 及存储介质，旨在实现对神经网络的参数优化以缩短神经网络的训练时间，提高神经网络 的收敛精度的技术问题。 为实现上述目的，本发明提供了一种基于萤火虫算法的参数优化方法，所述方法 包括以下步骤： 建立预设神经网络模型，获取所述预设神经网络模型中的目标参数； 通过萤火虫算法根据所述目标参数生成萤火虫种群个体； 获取所述萤火虫种群个体的位置信息，并基于预设适应度原则从所述位置信息中 获取最优位置信息； 从所述最优位置信息中提取优化后的目标参数。 优选地，所述通过萤火虫算法根据所述目标参数生成萤火虫种群个体的步骤，具 体包括： 获取所述目标参数的参数个数，通过萤火虫算法根据所述参数个数在预先设置的 数值范围内生成萤火虫种群个体。 优选地，所述获取所述萤火虫种群个体的位置信息，并基于预设适应度原则从所 述位置信息中获取最优位置信息的步骤，具体包括： 获取所述萤火虫种群个体的位置信息，并根据所述位置信息分别计算所述萤火虫 种群个体的适应度； 4 CN 111582430 A 说　明　书 2/8 页 对所述萤火虫种群个体进行遍历，基于所述适应度判断当前遍历到的萤火虫种群 个体是否为适应度最大的萤火虫最优种群个体； 若是，则获取所述萤火虫最优种群个体的位置信息，并将所述位置信息作为最优 位置信息。 优选地，所述对所述萤火虫种群个体进行遍历，基于所述适应度判断当前遍历到 的萤火虫种群个体是否为适应度最大的萤火虫最优种群个体的步骤之后，还包括： 若否，则检测预设范围内是否存在适应度大于所述当前遍历到的萤火虫种群个体 的适应度的目标萤火虫种群个体； 在存在所述目标萤火虫种群个体时，根据所述目标萤火虫种群个体对所述当前遍 历到的萤火虫种群个体进行位置更换； 检测位置更换后的萤火虫种群个体的位置信息是否为最优位置信息，若是，则执 行从所述最优位置信息中提取优化后的目标参数的步骤。 优选地，所述在存在所述目标萤火虫种群个体时，根据所述目标萤火虫种群个体 对所述当前遍历到的萤火虫种群个体进行位置更换的步骤，具体包括： 在存在所述目标萤火虫种群个体时，基于预设非线性权重根据所述目标萤火虫种 群个体对所述当前遍历到的萤火虫种群个体进行位置更换。 优选地，所述在存在所述目标萤火虫种群个体时，根据所述目标萤火虫种群个体 对所述当前遍历到的萤火虫种群个体进行位置更换的步骤之后，还包括： 获取所述当前遍历到的萤火虫种群个体位置变换前的位置信息和位置变换后的 位置信息； 分别计算所述位置变换前的位置信息对应的适应度和所述位置变换后的位置信 息对应的适应度； 在所述位置变换前的位置信息对应的适应度和所述位置变换后的位置信息对应 的适应度符合所述预设适应度容忍规则时，判定所述当前遍历到的萤火虫种群个体的位置 更换有效。 优选地，所述从所述最优位置信息中提取优化后的目标参数的步骤，具体包括： 从所述位置信息中提取优化后的目标参数； 获取所述预设神经网络模型的监测精度； 在所述监测精度不符合预设精度要求时，校正所述优化后的目标参数，直至所述 预设神经网络模型的监测精度符合所述预设精度要求。 此外，为实现上述目的，本发明还提出一种基于萤火虫算法的参数优化装置，所述 装置包括： 参数获取模块，用于建立预设神经网络模型，获取所述预设神经网络模型中的目 标参数； 个体生成模块，用于通过萤火虫算法根据所述目标参数生成萤火虫种群个体； 最优确定模块，用于获取所述萤火虫种群个体的位置信息，并基于预设适应度原 则从所述位置信息中获取最优位置信息； 所述参数获取模块，还用于从所述最优位置信息中提取优化后的目标参数。 此外，为实现上述目的，本发明还提出一种基于萤火虫算法的参数优化设备，所述 5 CN 111582430 A 说　明　书 3/8 页 设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于萤火虫 算法的参数优化程序，所述基于萤火虫算法的参数优化程序配置为实现如上文所述的基于 萤火虫算法的参数优化方法的步骤。 此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有基于 萤火虫算法的参数优化程序，所述基于萤火虫算法的参数优化程序被处理器执行时实现如 上文所述的基于萤火虫算法的参数优化方法的步骤。 本发明通过建立预设神经网络模型，获取所述预设神经网络模型中的目标参数， 通过萤火虫算法根据所述目标参数生成萤火虫种群个体，获取所述萤火虫种群个体的位置 信息，并基于预设适应度原则从所述位置信息中获取最优位置信息，从所述最优位置信息 中提取优化后的目标参数以改进萤火虫算法，并将改进后的萤火虫算法运用到神经网络的 参数优化上，有助于神经网络获得符合期许的初始参数值，从而缩短神经网络的训练时间， 提高神经网络的收敛精度，进一步地，提高基于所述神经网络建立的数据预测模型的预测 精度。 附图说明 图1是本发明实施例方案涉及的硬件运行环境的基于萤火虫算法的参数优化设备 的结构示意图； 图2为本发明基于萤火虫算法的参数优化方法第一实施例的流程示意图； 图3为本发明基于萤火虫算法的参数优化方法第二实施例的流程示意图； 图4为本发明基于萤火虫算法的参数优化装置第一实施例的结构框图。 本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。