神经网络
21 00年第 9期
靳建彬等:于遗传算法的 B基 P神经网络优化策略研究
8 9
B P人工神经网络,人工神经网络中最常用、成熟是最的神经网络之一。 输^层隐层输出层
遗传算法的步骤为: () 1初始化群体; () 2计算群体上每个个体的适应度值; ( )由个体适应度值所决定的某个规则选择 3按
将进入下一代的个体; ( )概率 P进行交叉操作; 4按。 () 5按概率 P进行突变操作; () 6没有满足某种停止条件,转第 ( ),则 2步否则 进入第(); 7步 图1 B P网络前馈结构
( )出种群中适应度值最优的染色体作为问 7输 题的满意解或最优解。
B P网络模型处理信息的基本原理是:输入信号
x通过中间节点 (;隐层点 )作用于输出节点,过非经线形变换,产生输出信号 Y, k网络训练的每个样本包括输入向量 x和期望输出量 T网络输出值 Y与期望, 输出值 T之间的偏差,过调整输入节点与隐层节点通 的联接强度取值 w;隐层节点与输出节点之间的联;和
程序的停止条件最简单的有如下两种情况: 1 ()完成了预先给定的进化代数则停止;2种群中的最 ()优个体在连续若干代没有改进或平均适应度在连续 若干代基本没有改进时停止。
接强度 Y以及阈值,误差沿梯度方向下降,过反 使经复学习训练,定与最小误差相对应的网络参数 (确权 值和阈值 )训练即告停止。此时经过训练的神经网,
3基于 GA- N的系统结构设计 AN 系统采用遗传算法对神经网络的连接权值进行优化训练,生成最佳决策的最优神经网络,这样优用化后的神经网络控制器来控制机器人。 3 1B . P神经网络结构设计
络即能对类似样本的输入信息,自行处理输出误差最 小的经过非线形转换的信息。 但是 B P算法也有一些缺点 J由于 B。 P算法本质上为梯度下降法,而它所要优化的目标函数又非常复杂,进行全局搜索时,可避免地存在收敛速度在不慢的问题。此外,数学角度看,P算法为一种局部从 B 搜索的优化方法,它要解决的问题为求解复杂非线但
() 1拓扑结构。
本次设计由于网络输入输出不多,网络的要求对比较简单,以采用的是三层 B所 P网络,因此只有一 层隐层。 () 2隐层节点数。 在B P网络中,隐层节点数的选择非常重要,为尽
性函数的全局极值,因此算法很有可能陷人局部极小值,而使训练失败 J为了解决这些问题,文提从。本出将遗传算法和人工神经网络相结合,遗传算法对 用 A N的权值进行优化,而改进 B N进 P网络性能。
可能避免训练时出现“拟合”现象,证足够高的过 保网络性能和泛化能力,定隐层节点数的最基本原则确是:满足精度要求的前提下取尽可能紧凑的结构,在即
2遗传算法的基本原理和步骤 遗传算法 ( eecAgrh G类似于自然进
G n t l i m, A) i ot化,过作用于染色体上的基因寻找好的染色体来求通解问题 。与自然界相似,传算法对求解问题的 J遗本身一无所知,它所需要的仅是对算法所产生的每个染色体进行评价,基于适应值来选择染色体,适并使应性好的染色体有更多的繁殖机会。在遗传算法中, 通过随机方式产生若干个所求解问题的数字编码,即染色体,形成初始群体;过适应度函数给每个个体通
取尽可能少的隐层节点数。研究表明,若隐层节点数太少,网络可能根本不能训练或网络性能很差;隐层若节点数太多,然可使网络的系统误差减小,虽但一方面使网络训练时间延长,一方面,另训练容易陷入局部极 小点而得不到最优点,是训练时出现“拟合”内也过的在原因。因此,合理的隐层节点数应在综合考虑网络结构复杂程度和误差大小的情况下确定。 根据实验的内容,给 5个输人量和 3个输出只量,以此次设计的网络给定 l隐层节点。所 5个 3 2训练函数和激活函数选择 .
个数值评价,淘汰低适应度的个体,选择高适应度的个体参加遗传操作,经过遗传操作后的个体集合形成下一代新的种群。对这个新种群进行下一轮进化。 一
不同的训练函数对网络的性能也有影响,比如收敛速度等。常用训练函数有三种:r g、a l tig。 t i& ti m、a d an rn rn其中函数 til收敛速度快, rn a m网络的训练误差也比较 小。因此,本文采用 t i m对网络进行训练。 rn al
这就是遗传算法的基本思想。

基于遗传算法的 BP神经网络优化策略研究靳建彬 , 王元钦 , 陈 1 2 源 1 ( 1. 装备指 挥技术学院研究生管理大队, 北京 101416; 2 装备指挥技术学院科研部...
optimization 基于遗传算法优化的 BP 神经网络及其仿真研究姜军生潍坊学院机电工程...交叉检验算法、瀑流关联构造法、 神经中枢手术优化算法等基于传统优化理论的策略...
案例3:基于遗传算法的 BP 神经网络优化算法 *** *** 论坛申明: 1 案例为原创案例,论坛拥有帖子的版权,转载请注明出处(MATLABSKY 论坛,《MATLAB 智能算法 30 ...
本研究采用遗传算法优化 @< 神经网络 <=> 控制器的参数& 得到了理想的控制...(1 ) 策略进行选择操作9 即每代适应度值最大的个体可以不经过遗传 操作9 ...
利用遗传算法优化BP神经网络初步研究_计算机软件及应用_IT/计算机_专业资料。利用遗传算法优化 BP 神经网络初步研究马 强,陈楠 (沈阳建筑大学信息与控制工程学院,...
optimization 遗传算法在 BP 神经网络优化中的应用解立明潍坊学院信息与控制工程...即基于适应度比例的选择策略,每个 个体 i 的选择概率 pi 为 f i = k / ...
毕业设计论文基于遗传算法的BP神经网络的优化问题研究_理学_高等教育_教育专区。...设计了遗传算法执行策略和性能评价指标,他 -1- 重庆邮电大学本科毕业设计(论文)...
基于改进遗传算法的BP神经网络自适应优化设计_专业资料。BP(Back Propagation)神经网络在网络训练中存在着局部最优问题,其算法收敛过慢、局部收敛不理想,影响其工作...
的依据。 3.基于适应值的选择策略从当前种群中选取一定的染色体作为新一代的...遗传算法简介 遗传算法工具箱函数 用遗传算法优化BP BP神经网络权值的学习 用...
6 第3 6卷第 9期 李 辉, :等 基于 自适应遗传算法优化 B P神经网络 ? 研究与设计 . 输出 输入 图2神经网络模型 近年来 , 神经 网络 引起 了许 多研...
热门文档