资源描述：
《1 BP网络原理》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、1BP网络原理BP神经网络由多个网络层构成，通常包括一个输入层、若干个中间层和一个输出层。BP网络的特点是：各层神经元仅与相邻层神经元之间有连接；各层内神经元之间没有任何连接；各层神经元之间也没有反馈连接。BP网络具有很强的非线性映射能力，根据Kolrnogorov定理，一个3层BP神经网络能够实现对任意非线性函数进行逼近。一个典型的3层BP神经网络模型如图1所示。图1典型的三层BP神经网络结构【分享】matlab遗传算法工具箱函数及实例讲解[i=s]本帖最后由messenger于2009-10
2、-1411:09编辑[/i]核心函数：(1)function[pop]=initializega(num,bounds,eevalFN,eevalOps,options)--初始种群的生成函数【输出参数】 pop--生成的初始种群【输入参数】 num--种群中的个体数目 bounds--代表变量的上下界的矩阵 eevalFN--适应度函数 eevalOps--传递给适应度函数的参数 options--选择编码形式(浮点编码或是二进制编码)[precisionF_or_B],如
3、precision--变量进行二进制编码时指定的精度 F_or_B--为1时选择浮点编码，否则为二进制编码,由precision指定精度) (2)function[x,endPop,bPop,traceInfo]=ga(bounds,evalFN,evalOps,startPop,opts,... termFN,termOps,selectFN,selectOps,xOverFNs,xOverOps,mutFNs,mutOps)--遗传算法函数 【输出参数】 x--
4、求得的最优解 endPop--最终得到的种群 bPop--最优种群的一个搜索轨迹 【输入参数】 bounds--代表变量上下界的矩阵 evalFN--适应度函数 evalOps--传递给适应度函数的参数 startPop-初始种群 opts[epsilonprob_opsdisplay]--opts(1:2)等同于initializega的options参数，第三个参数控制是否输出，一般为0。如[1e-610] termFN--终止函数的名称,如
5、['maxGenTerm'] termOps--传递个终止函数的参数,如[100] selectFN--选择函数的名称,如['normGeomSelect'] selectOps--传递个选择函数的参数,如[0.08] xOverFNs--交叉函数名称表，以空格分开，如['arithXoverheuristicXoversimpleXover'] xOverOps--传递给交叉函数的参数表，如[20;23;20] mutFNs--变异函数表，如['bounda
6、ryMutationmultiNonUnifMutationnonUnifMutationunifMutation'] mutOps--传递给交叉函数的参数表,如[400;61003;41003;400] matlab遗传算法工具箱addoil发表于2003-10-2512:32【分享】matlab遗传算法工具箱函数及实例讲解[i=s]本帖最后由messenger于2009-5-1816:10编辑[/i]【注意】matlab工具箱函数必须放在工作目录下【问题】求f(x)=x+10*sin
7、(5x)+7*cos(4x)的最大值，其中0<=x<=9【分析】选择二进制编码，种群中的个体数目为10，二进制编码长度为20，交叉概率为0.95,变异概率为0.08【程序清单】 %编写目标函数 function[sol,eval]=fitness(sol,options) x=sol(1); eval=x+10*sin(5*x)+7*cos(4*x); %把上述函数存储为fitness.m文件并放在工作目录下 initPop=initializ
8、ega(10,[09],'fitness');%生成初始种群，大小为10 [xendPop,bPop,trace]=ga([09],'fitness',[],initPop,[1e-611],'maxGenTerm',25,'normGeomSelect',... [0.08],['arithXover'],[2],'nonUnifMutation',[2253])%25次遗传迭代 运算结果为：x= 7.8562 24.8553(当x为7.8562时，f（x）取最大值24.
