遺傳算法在缺陷接地結構神經(jīng)網(wǎng)絡建模中的應用.pdf

1、人工神經(jīng)網(wǎng)絡(Artificial Neural Network,ANN)和遺傳算法(Genetic Algorithm,GA)是兩種以生物學為基礎的現(xiàn)代優(yōu)化算法,因其優(yōu)越性而被廣泛應用于諸多領域.本文主要將二者結合用于研究組合式非周期缺陷接地結構的特性. 組合式非周期缺陷接地結構(Combinatorial Nonperiodic Defected GroundStructure,CNPDGS)是由光子帶隙(Photonic

2、Bandgap,PBG)結構發(fā)展而來的,它是在微波電路的接地金屬平面上人為地蝕刻出"缺陷",以改變接地電流的分布,從而改變傳輸線的頻率特性.對CNPDGS通常采用FDTD等電磁場數(shù)值分析方法,這些方法雖然計算嚴格、精度高,可以精確分析CNPDGS的傳輸特性,但其計算過程復雜、耗時,無法滿足對CNPDGS日益增長的分析和設計要求. 文中首先對遺傳算法的各個遺傳算子作了改進,并應用改進的遺傳算法對神經(jīng)網(wǎng)絡的初始權值進行優(yōu)化,形成一種

3、新的算法GA_BP,該算法可以有效地減少神經(jīng)網(wǎng)絡的訓練時間,并且能克服神經(jīng)網(wǎng)絡易陷入局部最小點的困擾.然后采用Matlab語言編寫了遺傳算法和神經(jīng)網(wǎng)絡程序,利用GA_BP算法建立了CNPDGS的GA_BP模型.最后制作了相應的CNPDGS的實際電路并進行了測量.FDTD計算結果以及實驗測量結果和訓練成功的GA_BP模型的仿真結果一致性很好,且GA_BP算法大大減少了BP神經(jīng)網(wǎng)絡的訓練時間,這些充分說明了GA_BP算法的正確性和有效性.