基于一種改進(jìn)遺傳算法的神經(jīng)網(wǎng)絡(luò).pdf

1、隨著時代的發(fā)展，科技的進(jìn)步被控對象變得越來越復(fù)雜，其過程機(jī)理有許多不明之處，致使基于數(shù)學(xué)模型的傳統(tǒng)控制方法難以奏效，因此提出很多智能控制方法，其中神經(jīng)網(wǎng)絡(luò)控制是解決這些問題的有效途徑，可用來處理不確定性的復(fù)雜系統(tǒng)，神經(jīng)網(wǎng)絡(luò)雖然具有自學(xué)習(xí)能力，但其內(nèi)部機(jī)理不很明確，知識表達(dá)困難。針對神經(jīng)網(wǎng)絡(luò)存在的不足，又考慮現(xiàn)在優(yōu)化算法中，遺傳算法具有魯棒性、隨機(jī)性、全局性、適于并行處理的優(yōu)點，本文提出用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)，彌補(bǔ)神經(jīng)網(wǎng)絡(luò)的不足。

2、 遺傳算法是目前應(yīng)用最廣的優(yōu)化搜索算法之一。目前，遺傳算法已經(jīng)在許多領(lǐng)域得到了應(yīng)用，如函數(shù)優(yōu)化、模型優(yōu)化、結(jié)構(gòu)優(yōu)化、工業(yè)生產(chǎn)、圖像處理等等。但基本遺傳算法易于陷入局部最優(yōu)，在有些時候收斂速度過慢，這使得基本遺傳算法很難找到全局最優(yōu)。如何能夠使遺傳算法盡可能快地跳出局部最優(yōu)和如何能夠提高遺傳算法的收斂速度，是近年來遺傳算法研究領(lǐng)域的熱點。 本文針對簡單遺傳算法(SGA)應(yīng)用過程中所存在的不易收斂、結(jié)果常常陷入局部最優(yōu)、編碼方式存在

3、解碼誤差、收斂速度慢等缺點，提出使用一種基于排序選擇的改進(jìn)遺傳算法，并用其進(jìn)行智能控制器的參數(shù)尋優(yōu)。遺傳算法的選擇、交叉以及變異，每個環(huán)節(jié)的實現(xiàn)策略的改變都會對整個遺傳算法的尋優(yōu)性能產(chǎn)生重要影響；而且需要其它環(huán)節(jié)做出相應(yīng)的調(diào)整，才能達(dá)到比較理想的提高遺傳算法尋優(yōu)能力的目的。基于上述原因，提出基于排序選擇的改進(jìn)遺傳算法。所謂排序選擇方法是指在計算出每個個體的目標(biāo)值后，根據(jù)目標(biāo)值的大小順序?qū)θ后w中的個體進(jìn)行排序，適應(yīng)度僅取決于排序后的個體在

4、種群中的位置，并且每個個體的選擇概率等于根據(jù)它所處的位置按某種規(guī)律計算出來的概率。用改進(jìn)的遺傳算法優(yōu)化調(diào)整神經(jīng)網(wǎng)絡(luò)的權(quán)值，將優(yōu)化所得參數(shù)作為神經(jīng)網(wǎng)絡(luò)的初始權(quán)值。這種針對神經(jīng)網(wǎng)絡(luò)控制器的結(jié)構(gòu)特點，用遺傳算法訓(xùn)練優(yōu)化網(wǎng)絡(luò)權(quán)重，得到的復(fù)合智能控制器具有很好的特性，既保留了遺傳算法的強(qiáng)全局隨機(jī)搜索能力，又具有神經(jīng)網(wǎng)絡(luò)的魯棒性和自學(xué)習(xí)能力，并且可兼有神經(jīng)網(wǎng)絡(luò)廣泛映射能力和遺傳算法快速全局收斂等性能。 將基于改進(jìn)遺傳算法的神經(jīng)網(wǎng)絡(luò)控制器用于