基于人工神經(jīng)網(wǎng)絡的最優(yōu)化算法研究.pdf

1、智能算法從模擬自然界生物體系和人類智能現(xiàn)象出發(fā)，用計算機模擬和再現(xiàn)人類的某些智能行為，在改造自然的工程實踐中取得了巨大成功。智能算法中的神經(jīng)網(wǎng)絡由于其所具有的很強的自適應性和學習能力、非線性映射能力、高魯棒性和容錯能力等特點而被廣泛應用。但神經(jīng)網(wǎng)絡的實際使用中，由于其結(jié)構(gòu)、初始權(quán)值、閾值和學習樣本等都需要操作者的先前經(jīng)驗來確定和調(diào)試，不同的操作者可能得出不同的數(shù)據(jù)，使得神經(jīng)網(wǎng)絡的實際效果大打折扣，也阻礙了神經(jīng)網(wǎng)絡的推廣應用。
　　

2、 本文針對神經(jīng)網(wǎng)絡的這些不足提出了一個基于神經(jīng)網(wǎng)絡的復合模型的構(gòu)想。通過對人類學習過程的分析來推斷人腦的大致思維活動，并以此為基礎建立了一個基于神經(jīng)網(wǎng)絡的復合模型，該復合模型主要分為工作模塊和控制模塊兩部分，控制模塊通過神經(jīng)網(wǎng)絡的學習引入“先驗知識”，控制工作模塊的工作過程。
　　 智能算法和最優(yōu)化理論是兩個相互促進和相輔相成的兩個學科。最優(yōu)化算法實際上就是一個不斷迭代尋優(yōu)的過程。傳統(tǒng)的優(yōu)化算法在迭代過程中存在著一些局限性，搜

3、索較慢。通過在最優(yōu)化中算法中引入神經(jīng)網(wǎng)絡，減少搜索過程的盲目性，加強其目的性，給予搜索過程以更加明確的指導。
　　 在最優(yōu)化算法中，當搜索方向按照一定的規(guī)則確定后，搜索步長就成為影響算法收斂速度的關(guān)鍵因素。而在傳統(tǒng)的算法中，步長是通過某個搜索策略或者計算公式得到，無法保證最優(yōu)。我們通過引入的神經(jīng)網(wǎng)絡智能化確定迭代中的步長，使得最終的迭代速度得到改善。
　　 該模型不僅可以使得原問題的收斂速度加快，對于類似問題同樣有效。該