[发明专利]一种基于改进蚁群的BP神经网络二手车价格评估算法

说明书

本发明公开了一种基于蚁群算法优化的BP神经网络二手车价格评估算法，选取三层BP神经网络为原型，采用改进的蚁群算法对BP神经网络的权值初始化过程进行优化，建立二手车价格评估模型，具体步骤如下步骤1：数据采集并预处理；步骤2：确定网络拓扑结构；步骤3：采用改进的蚁群算法对BP神经网络的权值初始化过程进行优化；步骤4：进一步训练优化后的BP神经网络对二手车价格进行预测。本发明提供一种基于蚁群优化的BP神经网络二手车价格评估算法，相比于传统算法，可以改善BP神经网络中易于陷入局部最优、收敛速度慢、引起振荡效应等缺陷，从而建立起一套具有实用价值的在线车辆价格评估系统。

技术领域

本发明涉及一种基于改进蚁群的BP神经网络二手车价格评估算法，属于计算机应用领域。

背景技术

在网络营销和互联网大数据理论日益发展的背景下，结合国人对私家车日益增长的需求，基于神经网络的大型二手车交易平台得以迅速推广并应用。在这样的平台交易系统下，通过分析和调整二手车交易市场需要考虑的各个参数，建立合适的神经网络模型，可以使整个二手车交易价格评估的精度提高。而随着大数据相关技术广泛应用于机器学习和认知科学等领域，BP神经网络算法作为一种主要用于对函数进行估计和近似的计算模型，联结大量的神经元进行计算，能实现一种有效可观的预测模型。

二手车作为一种有形资产，在交易中比较常用的价格评估方法有重置成本法、收益现值法、现行市价法和清算价格法。现有的这些估价算法大多过于经验化，没有太多理论基础，且不主动公开算法细节，存在着算法透明度低、估价效率低、计算精度不高等缺陷，且没有将交易数据的激增以及交易市场的动态变化反映到计算过程中去，而这些都是决定二手车价格的关键因素。

发明内容

为了克服现有技术的缺陷，本发明提出公开了一种基于改进蚁群的BP神经网络二手车价格评估算法，利用蚁群算法的全局搜索特性大致搜索出一定的权值范围，以此时的权值作为BP神经网络的初始权值，再利用BP算法对网络权值作进一步优化，可以改善BP神经网络中易于陷入局部最优、收敛速度慢、引起振荡效应等缺陷，从而建立起一套具有实用价值的在线车辆价格评估系统。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于蚁群算法改进的BP神经网络二手车价格评估算法，选取三层BP神经网络为原型，采用改进的蚁群算法对BP神经网络的权值初始化过程进行优化，建立二手车价格评估模型，具体步骤如下：

步骤1：数据采集并预处理；

步骤2：确定网络拓扑结构；

步骤3：采用改进的蚁群算法对BP神经网络的权值初始化过程进行优化；

步骤4：进一步训练优化后的BP神经网络对二手车价格进行预测。

优选地，所述步骤(1)采集的数据为二手车辆数据及其交易数据作为样本数据，包括车辆编号、生产年份、售卖年月份、城市、排量、新车价格、里程、车辆用途、磨损程度和个人指导价；所述步骤(1)中对采集的样本数据进行预处理：将采集的样本数据进行归一化处理，具体归一化到[0,1]区间内，归一化公式如下：

X₀＝(X-X_min)/(X_max-X_min) (1)

式(1)中，X₀为归一化后的数据，X为原始数据，X_max、X_min分别为原始数据集的最大值和最小值。

优选地，所述步骤(2)中网络拓扑结构为三层BP神经网络结构，包括输入层、隐藏层、输出层，其中，

输入层：输入预处理过的样本数据，每个输入节点都被映射成一个车辆相关属性，具体为车辆编号、生产年份、售卖年月份、城市、排量、新车价格、里程、车辆用途、磨损程度和个人指导价共10个神经元；