基于人工神经网络的遗传算法理论及应用

《基于人工神经网络的遗传算法理论及应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、武汉理工大学硕士学位论文摘要优化技术是由最优化理论和计算机技术与工程技术相结合而彤成的一种现代泼计方法积技本。在解决复杂懿工程设计溺熬对，优化技术豹应罴霹戳较快地实现设计方案的最佳化，提高设计效率质黛。由于优化领域和优化对象舔拓展，对优纯技术和方法也挝出了更高的要求。随麓计算机技术的发展，计算机运弦速度的加快，求鳃规模能力加强，通用性好，因此追求摄到全局最优解成为优化追求的主要目标。传统的优化方法已经不能满足要求，新的优纯冀法残为研究豹熬熹之一。近年采，遗传算法，横撅遥灾算法，久工神经网络等这些现代广义优化方法在机器学习，过穰控制，经济预测，工程优化等领域取得的成功，已引起许多领域

2、科学家们的极大兴趣。农筻I牵的缝论审，详缨地分振7优健理论浆发展秘佬化设诗应建的现状。在本文的第2章，提出了～种遗传一多点退火接力混合算法，该方法先进行遗传算法搡作，辫接力使用耩摈邋火法操作豹一种尝试。其美键在子遗传算法中变异的处理及退火中初始温度和降漫值的处理。在第2鬻的第3节中给出了该方法的基本过程和数学描述，对算法中的罚因子，变异情况及温痰毽的选取进行了分辑。逶过两个实铡麴诗簿结鬃表绢，将魏方法建予菲线性约束优化是可行的。第3章是论文中簸重要的一章，通过实例分析研究了BP稠络，对嘲络模型结构的隐层节点数邀露分辑翻毅的撵讨；对BP算法中约学习速零积激溪函数的选取进行了新的补充和

3、建议；对网络的拓扑结构进行了新的构造；对人工棒缝霹络渡敛依据掇遗了耨豹翔精霖粼。在第5章运用可视化技术对网络训练进行了仿真。分析了基于神经网络的遗传算法应用的可彳亍性和优越性，并利用面向对象的语言编写出该算法程廖。遴过第6章媳工程实铡是对港口越重掇篱桨系绞奁避霉蠢限纛结橡分辑基础上，获取大最的数据值，将这些数据值作为网络样本，通过编制出优化软释辩超重机鬻柒系统的重霪进行结构优纯，最终的实际结渠验滋了优化结果是较好的。理论和实践相结合怒论文的一个特饿，在第7颦对论文盼研究工作进行了总结，并提出了今后进～步研究发展的方向。关键谲：最伉诧，侥纯设计，遗传募法，模擞退火法，久王神经两络，可

4、视化。亟望里三盔堂堡主堂垡堡塞AbstractOptimizationtheory，computertechnologyandengineeringtechnologyhavecombinedclosely，formingoptimumtechnology，whichisamoderndesignmethod，andtechnology．Facingthecomplexprojectdesignproblem，applicationofoptimumtechnologycancompleretheoptimizationofdesignprojectquickly，improvee

5、fficiencyandqualityofdesign．BydevelopmentofoptJmumfioldandobject，optimumtechnologyandmethodismorehighlydemanded．Withdevelopmentofcomputertechnology，speedofcomputerunsquick，abilityofsolutionscaleandwilduseareenhanced，soSeekingtheoptimumwholesolutionbecomesthemaingoalofoptimumpursuit．Traditional

6、optimummethodhasnotsatisfiedrequirements．ResearchofnewOptimumalgorithmbecomesoneofhotspot．Intherecentyears，GA(GeneticAlgorithm)，SAA(SimulatedAnnealingAlgorithm)andANN(ArtificialNeuralNetwork)，thesemoderncomprehensireoptimizationmethodgaingreatsuccessinmachinestudy，processcontrol，economyforecas

7、t，engineeringoptimizationfield，whichinterestscientistinmaths，physics，chemistry，biology，computerscience，socialscience，economics，engineeringapplicationfield．Inchapter1introductionanalyzesthedevelopmentofoptimiza—tiontheoryandactualityofop