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概要

编号：审定成绩：重庆邮电大学毕业设计（论文）设计（论文）题目：基于遗传算法的BP神经网络的优化问题研究学院名称：学生姓名：专业：班级：学号：指导教师：答辩组负责人：填表时间：2010年06月重庆邮电大学教务处制摘要本文的主要研究工作如下：1、介绍了遗传算法的起源、发展和应用，阐述了遗传算法的基本操作，基本原理和遗传算法的特点。2、介绍了人工神经网络的发展，基本原理，BP神经网络的结构以及BP算法。3、利用遗传算法全局搜索能力强的特点与人工神经网络模型学习能力强的特点，把遗传算法用于神经网络初始权重的优化，设计出混合GA-BP算法，可以在一定程度上克服神经网络模型训练中普遍存在的局部极小点问题。4、对某型导弹测试设备故障诊断建立神经网络，用GA直接训练BP神经网络权值，然后与纯BP算法相比较。再用改进的GA-BP算法进行神经网络训练和检验，运用Matlab软件进行仿真，结果表明，用改进的GA-BP算法优化神经网络无论从收敛速度、误差及精度都明显高于未进行优化的BP神经网络，将两者结合从而得到比现有学习算法更好的学习效果。【关键词】神经网络BP算法遗传算法ABSTRACTThemainresearchworkisasfollows:1.Describingtheoriginofthegeneticalgorithm,developmentandapplication,explainthebasicoperationsofgeneticalgorithm,thebasicprinciplesandcharacteristicsofgeneticalgorithms.2.Describingthedevelopmentofartificialneuralnetwork,thebasicprinciple,BPneuralnetworkstructureandBP.3.Usingthegeneticalgorithmglobalsearchcapabilityofthecharacteristicsandlearningabilityofartificialneuralnetworkmodelwithstrongfeatures,thegeneticalgorithmforneuralnetworkinitialweightsoftheoptimization,designhybridGA-BPalgorithm,toacertainextent,overcomenervesubiquitousnetworkmodeltraininglocalminimumproblem.4.Amissiletestonthefaultdiagnosisofneuralnetwork,trainedwiththeGAdirectlytoBPneuralnetworkweights,andthencomparedwiththepureBPalgorithm.ThentheimprovedGA-BPalgorithmneuralnetworktrainingandtesting,useofMatlabsoftwaresimulationresultsshowthattheimprovedGA-BPalgorithmtooptimizeneuralnetworkintermsofconvergencerate,errorandaccuracyweresignificantlyhigherthanoptimizedBPneuralnetwork,acombinationofbothtobebetterthanexistinglearningalgorithmlearning.Keywords：neuralnetworkback-propagationalgorithmsgeneticalgorithms目录第一章绪论................................................................11.1遗传算法的起源........................................................11.2遗传算法的发展和应用..................................................11.2.1遗传算法的发展过程..............................................11.2.2遗传算法的应用领域..............................................21.3基于遗传算法的BP神经网络.............................................31.4本章小结..............................................................4第二章遗传算法..............................................................52.1遗传算法基本操作......................................................52.1.1选择(Selection.................................................52.1.2交叉(Crossover.................................................62.1.3变异(Mutation..................................................72.2遗传算法基本思想......................................................82.3遗传算法的特点........................................................92.3.1常规的寻优算法..................................................92.3.2遗传算法与常规寻优算法的比较...................................102.4本章小结.............................................................11第三章神经网络.............................................................123.1人工神经网络发展.....................................................123.2神经网络基本原理.....................................................123.2.1神经元模型.....................................................123.2.2神经网络结构及工作方式.........................................143.2.3神经网络原理概要...............................................153.3BP神经网络..........................................................153.4本章小结.............................................................21第四章遗传算法优化BP神经网络..............................................224.1遗传算法优化神经网络概述.............................................224.1.1用遗传算法优化神经网络结构.....................................224.1.2用遗传算法优化神经网络连接权值.................................224.2GA-BP优化方案及算法实现.............................................234.3GA-BP仿真实现.......................................................244.3.1用GA直接训练BP网络的权值算法.................................254.3.2纯BP算法......................................................264.3.3GA训练BP网络的权值与纯BP算法的比较...........................284.3.4混合GA-BP算法.................................................284.4本章小结.............................................................31结论.......................................................................32致谢.......................................................................33参考文献.....................................................................34附录.......................................................................351英文原文...............................................................352英文翻译...............................................................423源程序.................................................................47第一章绪论1.1遗传算法的起源从生物学上看，生物个体是由细胞组成的，而细胞则主要由细胞膜、细胞质、和细胞核构成。在细胞核中，有一种微小的丝状化合物，称为染色体，染色体由许多基因片段组成，基因是生物遗传物质的载体，决定了生物的各种遗传性状，是遗传的基本单位。生物个体在交配繁殖时，正是将这些基因遗传给了后代，才使后代具有父代的生物特征。由于生物在繁殖中可能发生基因交叉和变异，这种交叉和变异引起了生物性状的连续微弱变化，为外界环境的定向选择提供了物质条件和基础，使生物的进化成为可能。人们正是通过对环境的选择、基因的交叉和变异这一生物演化的迭代过程的模仿，从而提出了能够用于求解最优化问题的具有强鲁棒、自适应的遗传算法。遗传算法[1](GeneticAlgorithms，简称GA是模拟自然界生物进化这一“适者生存，优胜劣汰”过程而得到的，是由Michigan大学Holland教授于1975年首次提出的，它的基本算法力求充分模仿这一自然寻优过程的随机性、鲁棒性和全局性，这是一种新的全局优化搜索算法，因为它直接对结构对象进行操作，不存在求异和函数连续性的限定，鲁棒性强，具有随机性和全局性，适于并行处理，已广泛应用于神经网络、计算机科学、优化调度、运输问题、组合优化、机器学习、信号信息、自适应控制和人