学位论文 > 优秀研究生学位论文题录展示

基于群体智能与神经网络的计算智能集成方法-智能化建模与问题求解

作　者: 周超
导　师: 孙俊
学　校: 江南大学
专　业: 计算机应用技术
关键词: 神经网络群体智能量子行为粒子群优化算法(QPSO) RBF网络混合搜索量子粒子群算法(HSQPSO) 计算智能集成方法
分类号: TP18
类　型: 硕士论文
年　份: 2012年
下　载: 113次
引　用: 0次
阅　读: 论文下载

内容摘要

自从计算机发明以来,用计算机代替人脑处理问题一直是人工智能学者们的最终目标,但是人脑是个复杂的系统,至今人们仍不能完全了解其许多工作机制,所以要想真正的做到人工大脑还有很长的一段路要走。在人工智能的发展历程中,人们的研究方向非常之广,虽然不能精确地模拟人脑,但是我们仍然可以通过模拟人体的神经系统、大自然的生物进化、动物的种群特点等来充分利用计算机解决问题。计算智能是人工智能的一个重要领域,它是一种对智能行为从生物底层角度进行研究和模拟的仿生计算方法,具有诸多的优点,如自学习、自组织、自适应、鲁棒性强、简单、并行处理、通用等。到目前为止,计算智能方法多种多样,本文主要对计算智能的两种主要方法进行研究:神经网络算法和群体智能算法。神经网络算法是模拟人的大脑神经系统处理问题的智能算法,而群体智能算法是模拟生物群体行为解决问题的智能算法,这两种方法目前都已经被很广泛的应用于实际生活之中,并解决了以前众多方法难以解决的问题。神经网络和群体智能算法的主要应用领域是不同的,神经网络往往用于建模和模式识别中,而群体智能算法往往用于优化问题中。然而在解决某些综合性问题的时候,我们仅使用神经网络和群体智能算法这两大方法中的一种并不能完全解决问题,这就要求我们将二者结合起来共同使用,从而达到解决问题的目的,这就是基于群体智能与神经网络算法的计算智能集成方法。本文首先简单概述神经网络和群体智能算法的起源、发展历程和研究现状,说明了神经网络和群体智能算法各自的优点。然后我们对神经网络的各种模型进行详细介绍,并将神经网络用于微生物发酵工程的建模之中。之后我们对遗传算法(GA)、粒子群优化算法(PSO)和量子行为粒子群优化算法(QPSO)等群体智能算法进行详细介绍,并在QPSO算法的基础上,提出了混合搜索量子行为粒子群算法(HSQPSO),通过仿真实验,我们发现HSQPSO相比PSO和QPSO具有明显的优势。分别介绍了神经网络和群体智能算法后,我们通过一个实际问题了解了计算智能集成方法。最后我们分别对神经网络和群体智能算法的未来发展做出了展望。

全文目录

摘要  3-4
ABSTRACT  4-5
目录  5-7
第一章绪论  7-17
  1.1 引言  7
  1.2 神经网络算法的起源和研究意义  7-12
    1.2.1 人脑与神经网络的起源  7-9
    1.2.2 神经网络的研究意义  9-10
    1.2.3 神经网络的原理及结构  10-11
    1.2.4 人工神经元建模  11-12
    1.2.5 神经网络的发展现状  12
  1.3 群体智能算法简介  12-17
    1.3.1 生命和智能  12-13
    1.3.2 优化问题概述  13
    1.3.3 群体行为及群体智能算法  13-14
    1.3.4 群体智能算法的基本特征  14-15
    1.3.5 群体智能算法的原理及其发展现状  15-17
第二章神经网络算法  17-26
  2.1 神经网络学习  17-18
  2.2 激励函数  18-19
  2.3 网络拓补结构类型  19
    2.3.1 层次型结构  19
    2.3.2 互连型结构  19
  2.4 感知器神经网络  19-21
    2.4.1 单层感知器  20
    2.4.2 感知器学习算法  20
    2.4.3 多层感知器  20-21
  2.5 BP 神经网络  21-22
  2.6 RBF 神经网络  22-23
  2.7 神经网络在微生物发酵工程中的应用  23-26
第三章群体智能算法  26-45
  3.1 ACO 算法  26
  3.2 PSO 算法  26-27
  3.3 QPSO 算法  27-29
  3.4 一种改进的QPSO 算法——混合搜索量子粒子群算法  29-36
    3.4.1 混沌搜索  29-30
    3.4.2 混合搜索量子粒子群算法  30-31
    3.4.4 仿真实验  31-36
  3.5 对混合搜索量子粒子群算法的改进  36-45
第四章计算智能集成方法  45-53
  4.1 问题的提出  45-47
  4.2 解决方案一：RBF 网络+QPSO 算法或RBF 网络+HSQPSO 算法  47
  4.3 解决方案二：遗传规划算法+HSQPSO 算法  47-48
  4.4 两种解决方法的比较  48-52
  4.5 对本章内容的思考  52-53
第五章总结与展望  53-54
致谢  54-55
参考文献  55-59
附录  59

基于群体智能与神经网络的计算智能集成方法-智能化建模与问题求解

内容摘要

全文目录

相似论文