遺傳算法和人工神經(jīng)網(wǎng)絡(luò)的分析與改進.pdf

1、該文著重對人工智能中兩個熱門課題——遺傳算法和人工神經(jīng)網(wǎng)絡(luò)——進行分析和改進,并研究這兩種方法協(xié)同進行的學(xué)習(xí)技術(shù),然后將其應(yīng)用到電池荷電態(tài)預(yù)估領(lǐng)域.研究內(nèi)容主要包括:(1)從概率角度分析遺傳操作算子的作用、搜索范圍以及種群多樣性的影響,并根據(jù)種群多樣度對遺傳算法的參數(shù)進行自動調(diào)節(jié),抑制早熟現(xiàn)象.對六個測試函數(shù)優(yōu)化仿真結(jié)果驗證了算法的有效性.(2)綜合考慮數(shù)據(jù)類型、學(xué)習(xí)算法和網(wǎng)絡(luò)拓撲之間的關(guān)系,改進遺傳神經(jīng)網(wǎng)絡(luò),在染色體中加入對學(xué)習(xí)算法的

2、編碼,以適應(yīng)不同類型的數(shù)據(jù).對Probenl的仿真結(jié)果驗證了算法的自適應(yīng)能力.(3)采用數(shù)理統(tǒng)計方法分析訓(xùn)練前后神經(jīng)網(wǎng)絡(luò)權(quán)值的變化情況,改進權(quán)連接剪切算法,并獲得適合具體問題的非全連接神經(jīng)網(wǎng)絡(luò).對Probenl的仿真結(jié)果表明改進算法能夠在滿足誤差要求的前提下,盡可能簡化拓撲,提高效率.(4)采用數(shù)理統(tǒng)計方法分析性能較好的神經(jīng)網(wǎng)絡(luò)權(quán)值分布情況,總結(jié)出其基本服從正態(tài)分布的規(guī)律,并以此指導(dǎo)初始權(quán)值的設(shè)置.對Probenl的仿真結(jié)果表明按照正態(tài)

3、分布初始化權(quán)值能夠從一定程度上提高訓(xùn)練效率.(5)考慮到激勵函數(shù)在神經(jīng)元中的重要作用,在神經(jīng)網(wǎng)絡(luò)中引用組合激勵函數(shù)的思想,并分析傳統(tǒng)遺傳編碼方式對組合激勵函數(shù)編碼的缺陷,然后對其進行改進并形成混合編碼的遺傳神經(jīng)網(wǎng)絡(luò).對Probenl的仿真結(jié)果表明進化得到的具有組合激勵函數(shù)的神經(jīng)網(wǎng)絡(luò)能夠普遍減小輸出誤差.(6)采用遺傳神經(jīng)網(wǎng)絡(luò)建立電池荷電態(tài)自適應(yīng)預(yù)估模型,通過神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能分析荷電態(tài)同端電壓、放電電流的關(guān)系,然后利用遺傳算法優(yōu)化網(wǎng)絡(luò)拓