BP算法的改進及其應用研究.pdf

1、隨著人工神經(jīng)網(wǎng)絡的發(fā)展，其用途日益廣泛，應用領域也在不斷拓展，已在人工智能、自動控制、計算機科學、信息處理、機器人、模式識別等各個工程領域中有著成功的案例。在眾多的神經(jīng)網(wǎng)絡中，又以BP(Back Propagation)網(wǎng)絡的應用最為廣泛，它所采用的BP算法已成為目前應用最為廣泛的神經(jīng)網(wǎng)絡學習算法，絕大部分的神經(jīng)網(wǎng)絡模型都是采用BP算法或它的變化形式。這類算法具有很好的非線性映射能力、泛化能力、容錯能力，已在各個工程領域中取得了廣泛的應

2、用。但人們在使用過程中卻發(fā)現(xiàn)，該類算法存在這樣那樣的局限，比如收斂速度慢、容易陷入局部極小值以及忘記舊樣本的趨勢，這些局限性嚴重影響了BP算法的應用。
　　 本文主要針對BP算法的缺點，從進化算法和BP算法融合的角度進行改進，設計出效果較優(yōu)的算法。主要的研究工作如下：
　　 第一、在對生物神經(jīng)網(wǎng)絡認識的基礎上，對人工神經(jīng)網(wǎng)絡進行了系統(tǒng)的綜述。重點研究了BP神經(jīng)網(wǎng)絡模型，對它所采用的BP算法進行了進行了詳細的推導，定性分析

3、了該算法的局限性。最后通過吸取前人的BP網(wǎng)絡設計經(jīng)驗，總結出了基本的網(wǎng)絡設計方法，以求推廣BP網(wǎng)絡的應用。
　　 第二、研究了遺傳算法，對遺傳算法的構成要素進行了詳細的探討。在此基礎上，將它與加動量項和自適應學習率的BP改進算法相結合，提出了一種基于遺傳算法的神經(jīng)網(wǎng)絡訓練算法，建立了遺傳神經(jīng)網(wǎng)絡模型。
　　 第三、分析了基本蟻群算法的原理以及三種蟻群算法模型，在TSP問題上，當城市個數(shù)很小時，它們具有很好的性能，當問題規(guī)

4、模增大時，它們的求解性能下降。針對這一問題，研究了改進蟻群算法-蟻群系統(tǒng)(ACS)原理并進行了仿真實驗。在此基礎上，結合蟻群系統(tǒng)對BP算法進行改進，提出了一種基于蟻群算法的神經(jīng)網(wǎng)絡訓練算法，建立了蟻群神經(jīng)網(wǎng)絡模型。
　　 第四、進一步討論了基于蟻群算法的神經(jīng)網(wǎng)絡訓練算法中的利用分割法和隨機生成法生成蟻群算法的備選權值集合的方式，提出了利用遺傳算法優(yōu)化生成備選權值集合的方法，通過比較表明此方法對于該算法的收斂性有一定影響，但影響不