基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)在多目標(biāo)優(yōu)化中的應(yīng)用研究.pdf

1、多目標(biāo)優(yōu)化起源于許多實際復(fù)雜系統(tǒng)的設(shè)計、建模和規(guī)劃問題，這些系統(tǒng)涉及的領(lǐng)域包括工業(yè)制造、資本預(yù)算、網(wǎng)絡(luò)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(yù)測都需要考慮各種制約條件，并處理若干目標(biāo)的相互沖突，這就涉及多個目標(biāo)的優(yōu)化。因為這些目標(biāo)并不是獨立存在的，對其中一個目標(biāo)進行優(yōu)化必須以犧牲其它目標(biāo)為代價，并且各目標(biāo)的單位又往往不一致，這就導(dǎo)致很難客觀地評價多目標(biāo)優(yōu)化求解的優(yōu)劣性。傳統(tǒng)的求解多目標(biāo)優(yōu)化的方法通常存在許多缺陷，如各目標(biāo)加

2、權(quán)值的分配帶有較大的主觀性，優(yōu)化目標(biāo)僅為各目標(biāo)加權(quán)和，過程中各目標(biāo)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(jīng)網(wǎng)絡(luò)進行分析和改進，嘗試對這兩種方法進行融合，并將其應(yīng)用到多目標(biāo)優(yōu)化領(lǐng)域。論文主要內(nèi)容包括： 首先，介紹遺傳算法的原理，重點介紹現(xiàn)今經(jīng)典的多目標(biāo)遺傳算法的優(yōu)缺點，分析多目標(biāo)遺傳算法設(shè)計中所要解決的問題：適應(yīng)度分配、多樣性保持、收斂性。針對簡單遺傳算法應(yīng)用過程中所存在的不易收斂，結(jié)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(chǔ)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(jīng)網(wǎng)絡(luò)的關(guān)鍵技術(shù)及其算法的研究，針對BP神經(jīng)網(wǎng)絡(luò)的限制與不足進行分析，提出一種改進技術(shù)。 最后，將改進后的遺傳算法與BP神經(jīng)網(wǎng)絡(luò)融合，提出基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)融合算法。利用基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)對多目標(biāo)優(yōu)