基于遺傳算法的BP神經網絡在多目標優(yōu)化中的應用研究.pdf

1、多目標優(yōu)化起源于許多實際復雜系統(tǒng)的設計、建模和規(guī)劃問題，這些系統(tǒng)涉及的領域包括工業(yè)制造、資本預算、網絡通訊、道路規(guī)劃等等?，F(xiàn)實生活中，幾乎每個重要的決策和預測都需要考慮各種制約條件，并處理若干目標的相互沖突，這就涉及多個目標的優(yōu)化。因為這些目標并不是獨立存在的，對其中一個目標進行優(yōu)化必須以犧牲其它目標為代價，并且各目標的單位又往往不一致，這就導致很難客觀地評價多目標優(yōu)化求解的優(yōu)劣性。傳統(tǒng)的求解多目標優(yōu)化的方法通常存在許多缺陷，如各目標加

2、權值的分配帶有較大的主觀性，優(yōu)化目標僅為各目標加權和，過程中各目標優(yōu)化的不可操作性等。 本文著重對人工智能中兩個熱點問題遺傳算法和人工神經網絡進行分析和改進，嘗試對這兩種方法進行融合，并將其應用到多目標優(yōu)化領域。論文主要內容包括： 首先，介紹遺傳算法的原理，重點介紹現(xiàn)今經典的多目標遺傳算法的優(yōu)缺點，分析多目標遺傳算法設計中所要解決的問題：適應度分配、多樣性保持、收斂性。針對簡單遺傳算法應用過程中所存在的不易收斂，結果常常

3、陷入局部最優(yōu)等缺點，在改進型非劣分層遺傳算法基礎上提出改進的并行混合非劣分類遺傳算法。多個算例測試表明，改進的算法在解的多樣性和收斂性方面都有不俗表現(xiàn)，其性能明顯優(yōu)于改進型非劣分層遺傳算法。 其次，通過對BP神經網絡的關鍵技術及其算法的研究，針對BP神經網絡的限制與不足進行分析，提出一種改進技術。 最后，將改進后的遺傳算法與BP神經網絡融合，提出基于遺傳算法的BP神經網絡融合算法。利用基于遺傳算法的BP神經網絡對多目標優(yōu)