多層前饋神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的遺傳優(yōu)化研究.pdf

1、人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork，簡(jiǎn)稱(chēng)ANN)已經(jīng)廣泛應(yīng)用于模式識(shí)別、工業(yè)控制、經(jīng)濟(jì)預(yù)測(cè)、優(yōu)化計(jì)算等領(lǐng)域，但是由于缺乏堅(jiān)實(shí)的理論基礎(chǔ)其拓?fù)浣Y(jié)構(gòu)設(shè)計(jì)規(guī)則和學(xué)習(xí)算法一直都是科研工作者研究的重要內(nèi)容。 遺傳算法是近年來(lái)發(fā)展起來(lái)的計(jì)算模型，從新的角度開(kāi)辟了解決復(fù)雜問(wèn)題優(yōu)化的途徑。它建立在嚴(yán)格的理論基礎(chǔ)上，具有很強(qiáng)的自適應(yīng)性、魯棒性，尤其適合在高維、多峰、不可微(導(dǎo)數(shù)很難求)、連續(xù)或離散空間搜索優(yōu)化解。

2、 遺傳算法和神經(jīng)網(wǎng)絡(luò)都是模擬生物智能化的學(xué)習(xí)能力，對(duì)兩者結(jié)合的研究逐漸成為當(dāng)前的熱點(diǎn)之一。人們希望通過(guò)結(jié)合充分利用兩者的長(zhǎng)處，尋找出一種有效解決問(wèn)題的方法，也借助這種結(jié)合使得人們更好的理解學(xué)習(xí)和進(jìn)化的相互作用關(guān)系。在神經(jīng)網(wǎng)絡(luò)中結(jié)合應(yīng)用遺傳算法，能夠克服神經(jīng)網(wǎng)絡(luò)利用梯度下降法所帶來(lái)的缺點(diǎn)。 本文在介紹了有關(guān)神經(jīng)網(wǎng)絡(luò)和遺傳算法的部分基礎(chǔ)理論，分析了遺傳算法在神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化中的應(yīng)用的基礎(chǔ)上，通過(guò)改進(jìn)遺傳算法的適應(yīng)度函數(shù)、遺傳算子等方