進化策略及其在神經(jīng)網(wǎng)絡優(yōu)化中的應用.pdf

1、進化計算是借鑒生物自然選擇和遺傳機制而產(chǎn)生的一類隨機搜索算法，主要包括遺傳算法、進化規(guī)劃、進化策略。人工神經(jīng)網(wǎng)絡是源于人腦神經(jīng)系統(tǒng)的一類模型，是模擬人類智能的一條重要途徑，具有模擬人的部分形象思維的能力。雖然進化計算和神經(jīng)網(wǎng)絡都是借鑒生物個體或生物界的某些行為特征和結構屬性而發(fā)展起來的人工智能方法，但兩者的側重點有所不同。神經(jīng)網(wǎng)絡偏重于對生物個體學習智能的描述，進化計算則是對生物遺傳進化的模擬。神經(jīng)網(wǎng)絡與進化計算相結合，將使神經(jīng)網(wǎng)絡同時

2、具備學習和進化的特征，從而表現(xiàn)出更加完備的智能特性。 作者在論文期間的工作主要集中在以下幾個方面： 介紹了進化策略的基本理論與技術。闡述了最初的進化策略，它的發(fā)展，以及進化策略經(jīng)常采朋的操作算子。 如何保持種群的多樣性一直是進化算法的一個研究主題。基本的進化計算在實際應用中常常會遇到過早收斂或僅得到局部最優(yōu)解的問題，這是因為一般的選擇操作使得種群中的優(yōu)秀個體大量繁殖后代，致使大量相似的個體在種群中占有極大的比例，

3、導致種群缺乏多樣性。為了克服進化計算存在的這一缺陷，文中對基本的進化算法作以改進，使劣質個體與優(yōu)秀個體能夠共同參與到進化過程中，從而使個體的有利信息能夠傳給后代，增強種群的多樣性。將改進的進化策略用于求解有約束和無約束函數(shù)優(yōu)化問題，實例仿真表明改進的進化策略具有很好的可行性和實用性。 人工神經(jīng)網(wǎng)絡是越來越得到廣泛應用的新興學科，但目前主要采用的BP算法極易陷入局部最優(yōu)，使其的應用受到很大的限制。本文利用進化策略同時優(yōu)化神經(jīng)網(wǎng)絡的