TY - Jour A2 - Scarpiniti，Michele Au - Hu，Hu，Hugpping Au - Li，阳阳Au - Bai，燕平Au - Zhang，Juping Au - Liu，Maoxing Py - 2019 Da - 2019/08/05 Ti - 改进的抗炎优化器和用于中国流感预测的人工神经网络SP - 1480392 VL - 2019 AB - 抗杉木优化器（ALO）是一种新的群体的优化成分算法，其模仿天然抗泻机制。针对缺乏缺点，艾洛对某些复杂优化问题具有不平衡的探索和开发能力，受到粒子群优化（PSO）的启发，alo精油运营商的抗病的更新位置得到改善，因此改进的alo（ialo）是获得。通过在23个经典基准函数上执行，将所提出的IalO与正弦余弦算法（SCA），PSO，MFOTH-FLAME优化算法（MFO），MFO），多韵度优化器（MVO）和ALO进行比较。实验结果表明，根据平均值和收敛速度，所提出的Ialo优于SCA，PSO，MFO，MVO和ALO。并测试了所提出的IALO以优化BP神经网络的参数，以预测中国流感，预测模型是由Ialo-BPNN建造的，这是针对模型：BPNN，SCA-BPNN，PSO-BPNN，MFO-BPNN，MVO-BPNN和ALO-BPNN。结果表明，预测模型Ialo-BPNN的误差比其他六个预测模型较小，这示出了IALO具有优化BP神经网络的重量和基础，以有效地预测中国流感。因此，所提出的IALO是一种适用于优化问题的有效和有效的算法。SN - 1076-2787 UR - https://doi.org/10.1155/2019/1480392 do - 10.1155 / 2019/1480392 jf - 复杂性pb - hindawi kw - er -