基于神經(jīng)網(wǎng)絡(luò)和遺傳算法融合技術(shù)的模型研究.pdf

1、神經(jīng)網(wǎng)絡(luò)在模式識別、系統(tǒng)辨識、信號處理、自動控制、組合優(yōu)化、預(yù)測預(yù)估、故障診斷、經(jīng)濟(jì)學(xué)等領(lǐng)域已成功地解決了許多現(xiàn)代計算機(jī)難以解決的實(shí)際問題，表現(xiàn)出良好的智能特性和潛在的應(yīng)用前景。遺傳算法建立在自然選擇和群體遺傳學(xué)機(jī)理基礎(chǔ)上的隨機(jī)、迭代、進(jìn)化，是模擬生物在自然界中的進(jìn)化過程所形成的一優(yōu)化求解算法。即神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法易于陷入誤差函數(shù)的局部極值點(diǎn)。遺傳算法(GA)同即算法相比，具有許多優(yōu)點(diǎn)，不易陷入局部極值點(diǎn)。但是當(dāng)遺傳搜索迅速找到最優(yōu)解附近

2、時，不易精確地確定最優(yōu)解的位置，它在局部搜索空間微調(diào)能力差。從一定意義上將即神經(jīng)網(wǎng)絡(luò)是一種局部微觀算法，而遺傳算法是一種全局宏觀算法，一種算法如何尋求在宏觀與微觀協(xié)調(diào)統(tǒng)一成為很多學(xué)者探索的問題。本文針對這一問題開展研究工作?！　”菊撐尼槍ι鲜鰡栴}作了以下研究，首先，研究了神經(jīng)網(wǎng)絡(luò)解決問題的核心思想，對神經(jīng)網(wǎng)絡(luò)的局限性進(jìn)行分析，提出了修改動量因子、自適應(yīng)調(diào)節(jié)學(xué)習(xí)率、陡度因子的計算公式；利用上述結(jié)果和交叉熵最小化方法改進(jìn)了BP神經(jīng)網(wǎng)絡(luò)算法

3、，設(shè)計并實(shí)現(xiàn)了改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)算法；探討了即神經(jīng)網(wǎng)絡(luò)的收斂性。對遺傳算法的基本原理進(jìn)行研究，分析了遺傳算法的全局收斂性，對遺傳算法的核心問題進(jìn)行研究，給出了自適應(yīng)的交叉概率和變異概率計算公式，進(jìn)而對已有的遺傳算法改進(jìn)，設(shè)計了改進(jìn)的遺傳算法。綜合上述研究結(jié)果，本文將改進(jìn)的BP與GA有機(jī)結(jié)合，構(gòu)造出神經(jīng)網(wǎng)絡(luò)和遺傳算法融合學(xué)習(xí)模型(BGF)，利用GA的交叉、變異選擇算子在全變量空間以較大概率搜索全局解的特點(diǎn)，以及在解點(diǎn)附近BP算子能快速、精