基于一種改進遺傳算法的神經網絡.pdf

1、隨著時代的發(fā)展，科技的進步被控對象變得越來越復雜，其過程機理有許多不明之處，致使基于數(shù)學模型的傳統(tǒng)控制方法難以奏效，因此提出很多智能控制方法，其中神經網絡控制是解決這些問題的有效途徑，可用來處理不確定性的復雜系統(tǒng)，神經網絡雖然具有自學習能力，但其內部機理不很明確，知識表達困難。針對神經網絡存在的不足，又考慮現(xiàn)在優(yōu)化算法中，遺傳算法具有魯棒性、隨機性、全局性、適于并行處理的優(yōu)點，本文提出用遺傳算法優(yōu)化神經網絡，彌補神經網絡的不足。

2、 遺傳算法是目前應用最廣的優(yōu)化搜索算法之一。目前，遺傳算法已經在許多領域得到了應用，如函數(shù)優(yōu)化、模型優(yōu)化、結構優(yōu)化、工業(yè)生產、圖像處理等等。但基本遺傳算法易于陷入局部最優(yōu)，在有些時候收斂速度過慢，這使得基本遺傳算法很難找到全局最優(yōu)。如何能夠使遺傳算法盡可能快地跳出局部最優(yōu)和如何能夠提高遺傳算法的收斂速度，是近年來遺傳算法研究領域的熱點。 本文針對簡單遺傳算法(SGA)應用過程中所存在的不易收斂、結果常常陷入局部最優(yōu)、編碼方式存在

3、解碼誤差、收斂速度慢等缺點，提出使用一種基于排序選擇的改進遺傳算法，并用其進行智能控制器的參數(shù)尋優(yōu)。遺傳算法的選擇、交叉以及變異，每個環(huán)節(jié)的實現(xiàn)策略的改變都會對整個遺傳算法的尋優(yōu)性能產生重要影響；而且需要其它環(huán)節(jié)做出相應的調整，才能達到比較理想的提高遺傳算法尋優(yōu)能力的目的?；谏鲜鲈颍岢龌谂判蜻x擇的改進遺傳算法。所謂排序選擇方法是指在計算出每個個體的目標值后，根據(jù)目標值的大小順序對群體中的個體進行排序，適應度僅取決于排序后的個體在

4、種群中的位置，并且每個個體的選擇概率等于根據(jù)它所處的位置按某種規(guī)律計算出來的概率。用改進的遺傳算法優(yōu)化調整神經網絡的權值，將優(yōu)化所得參數(shù)作為神經網絡的初始權值。這種針對神經網絡控制器的結構特點，用遺傳算法訓練優(yōu)化網絡權重，得到的復合智能控制器具有很好的特性，既保留了遺傳算法的強全局隨機搜索能力，又具有神經網絡的魯棒性和自學習能力，并且可兼有神經網絡廣泛映射能力和遺傳算法快速全局收斂等性能。 將基于改進遺傳算法的神經網絡控制器用于