学位论文 > 优秀研究生学位论文题录展示

多向变异遗传算法及其优化神经网络的研究

作　者: 李振业
导　师: 胡劲松；田文春
学　校: 华南理工大学
专　业: 计算机技术
关键词: 遗传算法 BP神经网络 多向变异 优化算法
分类号: TP18
类　型: 硕士论文
年　份: 2011年
下　载: 27次
引　用: 0次
阅　读: 论文下载
 

内容摘要


现实生活中,许多方面都涉及到最优化问题,例如路径规划、网络优化以及经济投资等,现实世界的几乎所有领域都存在优化问题。大部分优化问题的实质其实是一些复杂的高维非线性耦合函数,而且这些函数的表达式通常是未知的。传统的线性规划等数学方法对求解这类问题并不能得到令人满意的结果。近几十年以来,随着计算智能的迅速发展,一些与经典的数学规划原理截然不同的智能优化算法相继出现。遗传算法以其优秀的全局搜索能力、隐含并行性以及简单的操作算子获得了学术界的一致好评,并因此成为了近年来解决最优化问题的热门技术之一。BP神经网络是一种基于梯度下降算法,具有局部精度高、计算量小和并行性强等特点,但是它是一种局部优化方法。把遗传算法与BP神经网络相结合,正好可以互补不足、各取所长。经过大量的文献资料阅读和函数优化实验,特别是遗传算法与BP神经网络结合的实验后,我们发现遗传算法在求解一些像BP神经网络优化这种高维、不可分离的非线性函数时,仍然可能陷入局部极值,优化效率较低。基于以上原因,本文提出了一种多向变异遗传算法,该算法通过混合多种编码方式,克服了传统遗传算法种群“十”字分布的缺点,并通过引入一个新的大变异小范围搜索种群,加强了遗传算法的局部搜索能力。本文对多向变异遗传算法、一般遗传算法、一般双种群遗传算法以及PSO算法进行了一系列函数优化比较实验,并对实验结果进行分析:对于耦合的函数,我们的方法有较大的优势,效率较高、全局性较好。最后把本文提出的多向变异遗传算法应用于BP神经网络拟合非线性离散系统问题,并取得了较好的效果。

全文目录


摘要  5-6
Abstract  6-11
第一章 绪论  11-17
  1.1 研究背景和意义  11
  1.2 遗传算法  11-14
    1.2.1 遗传算法的研究与应用进展  12
    1.2.2 遗传算法与BP 神经网络结合  12-14
  1.3 国内外发展现状  14-15
  1.4 研究的目的和主要内容  15
  1.5 论文组织结构  15-16
  1.6 本章小结  16-17
第二章 简单遗传算法与BP 神经网络  17-32
  2.1 遗传算法的机理与特点  17-27
    2.1.1 遗传算法的理论基础  17-21
    2.1.2 遗传算法的结构  21-22
    2.1.3 遗传算法的特点  22-23
    2.1.4 遗传算法的改进方向  23-27
  2.2 BP 神经网络  27-31
    2.2.1 BP 神经网络的缺点  29
    2.2.2 与遗传算法的结合方式  29-31
  2.3 本章小结  31-32
第三章 混合编码遗传算法与双种群遗传算法  32-41
  3.1 混合编码遗传算法  32-36
    3.1.1 混合编码遗传算法的编码方案  32-33
    3.1.2 混合编码实现方法  33-36
  3.2 双种群遗传算法  36-40
  3.3 本章小结  40-41
第四章 多向变异遗传算法  41-55
  4.1 思想来源  41-45
    4.1.1 混合编码  41-43
    4.1.2 双种群  43-45
  4.2 多向变异遗传算法  45-53
    4.2.1 基本过程  45-50
    4.2.2 参数选择  50-53
  4.3 问题探讨  53-54
    4.3.1 个体淘汰  53
    4.3.2 群体迁移  53-54
  4.4 本章小结  54-55
第五章 函数测试  55-61
  5.1 测试环境  55-56
  5.2 与一般遗传算法进行比较  56
  5.3 与一般双种群遗传算法比较  56-57
  5.4 与PSO 算法比较  57-60
    5.4.1 算法精度比较  58-59
    5.4.2 算法性能比较  59-60
  5.5 本章小结  60-61
第六章 基于多向遗传算法的BP 神经网络应用  61-69
  6.1 结合方式  61
  6.2 BP 神经网络结构与设置  61-63
  6.3 遗传算法的参数与设置  63
  6.4 训练函数  63-64
  6.5 具体实现步骤  64-65
  6.6 遗传算法与BP 神经网络结合逼近非线性函数  65-68
    6.6.1 遗传算法搜索初始权值过程  65-66
    6.6.2 BP 神经网络训练过程  66-67
    6.6.3 最终训练结果  67-68
  6.7 本章小结  68-69
结论  69-71
参考文献  71-74
攻读硕士学位期间取得的研究成果  74-75
致谢  75

相似论文

  1. 天然气脱酸性气体过程中物性研究及数据处理,TE644
  2. 压气机优化平台建立与跨音速压气机气动优化设计,TH45
  3. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  4. 机械臂视觉伺服系统的研究,TP242.6
  5. 基于粒子群算法求曲线/曲面间最小距离方法,O182
  6. 市级旅游用地规划环境影响评价研究,X820.3
  7. 珠三角地区高性能混凝土配合比智能化系统,TU528
  8. 基于遗传算法的模糊层次综合评判在高职教学评价中的应用,G712
  9. 部队人员网上训练与考核系统的开发,TP311.52
  10. 大学生综合素质测评研究,G645.5
  11. 基于并行算法的模糊综合评价模型的设计与应用,TP18
  12. 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
  13. 基于遗传算法的中短波磁天线的设计及实现,TN820
  14. 基于遗传算法的柑橘图像分割,TP391.41
  15. 基于混合自适应遗传算法的动态网格调度问题研究,TP393.09
  16. 基于遗传—牛顿算法的公交优化调度,TP18
  17. 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
  18. 药品扩散中的优化控制及其数值方法,R91
  19. 高速公路拆迁民众生存系统评价研究,D523
  20. 基于云理论和蜜蜂进化型遗传算法的纹理合成研究,TP391.41
  21. 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com