進(jìn)化策略及其在神經(jīng)網(wǎng)絡(luò)優(yōu)化中的應(yīng)用.pdf

1、進(jìn)化計(jì)算是借鑒生物自然選擇和遺傳機(jī)制而產(chǎn)生的一類隨機(jī)搜索算法，主要包括遺傳算法、進(jìn)化規(guī)劃、進(jìn)化策略。人工神經(jīng)網(wǎng)絡(luò)是源于人腦神經(jīng)系統(tǒng)的一類模型，是模擬人類智能的一條重要途徑，具有模擬人的部分形象思維的能力。雖然進(jìn)化計(jì)算和神經(jīng)網(wǎng)絡(luò)都是借鑒生物個(gè)體或生物界的某些行為特征和結(jié)構(gòu)屬性而發(fā)展起來的人工智能方法，但兩者的側(cè)重點(diǎn)有所不同。神經(jīng)網(wǎng)絡(luò)偏重于對生物個(gè)體學(xué)習(xí)智能的描述，進(jìn)化計(jì)算則是對生物遺傳進(jìn)化的模擬。神經(jīng)網(wǎng)絡(luò)與進(jìn)化計(jì)算相結(jié)合，將使神經(jīng)網(wǎng)絡(luò)同時(shí)

2、具備學(xué)習(xí)和進(jìn)化的特征，從而表現(xiàn)出更加完備的智能特性。 作者在論文期間的工作主要集中在以下幾個(gè)方面： 介紹了進(jìn)化策略的基本理論與技術(shù)。闡述了最初的進(jìn)化策略，它的發(fā)展，以及進(jìn)化策略經(jīng)常采朋的操作算子。 如何保持種群的多樣性一直是進(jìn)化算法的一個(gè)研究主題?；镜倪M(jìn)化計(jì)算在實(shí)際應(yīng)用中常常會(huì)遇到過早收斂或僅得到局部最優(yōu)解的問題，這是因?yàn)橐话愕倪x擇操作使得種群中的優(yōu)秀個(gè)體大量繁殖后代，致使大量相似的個(gè)體在種群中占有極大的比例，

3、導(dǎo)致種群缺乏多樣性。為了克服進(jìn)化計(jì)算存在的這一缺陷，文中對基本的進(jìn)化算法作以改進(jìn)，使劣質(zhì)個(gè)體與優(yōu)秀個(gè)體能夠共同參與到進(jìn)化過程中，從而使個(gè)體的有利信息能夠傳給后代，增強(qiáng)種群的多樣性。將改進(jìn)的進(jìn)化策略用于求解有約束和無約束函數(shù)優(yōu)化問題，實(shí)例仿真表明改進(jìn)的進(jìn)化策略具有很好的可行性和實(shí)用性。 人工神經(jīng)網(wǎng)絡(luò)是越來越得到廣泛應(yīng)用的新興學(xué)科，但目前主要采用的BP算法極易陷入局部最優(yōu)，使其的應(yīng)用受到很大的限制。本文利用進(jìn)化策略同時(shí)優(yōu)化神經(jīng)網(wǎng)絡(luò)的