遺傳算法的理論與應(yīng)用研究.pdf

1、遺傳算法(GA)作為演化計(jì)算(EC)的一個(gè)重要分支，在近年來(lái)得到越來(lái)越多學(xué)者的重視，并在工程中得到廣泛應(yīng)用。像其它優(yōu)化算法，GA也存在一些局限性，如過(guò)早收斂，優(yōu)化效率低等。這里通過(guò)精心設(shè)計(jì)GA的選擇、交叉、變異算子等，提出一種基于實(shí)數(shù)編碼的改進(jìn)GA，可有效地避免GA的過(guò)早收斂。一些典型函數(shù)測(cè)試表明了其有效性。對(duì)一般意義上的高斯變異進(jìn)行改進(jìn)，使得要變異染色體中分量的增量需滿足一特定的條件，試驗(yàn)結(jié)果表明，改進(jìn)是有效的。本文提出一種GA中嵌入

2、粒子群(PSO)算子的混合算法，用該算法來(lái)優(yōu)化小波網(wǎng)絡(luò)以及解決多維函數(shù)優(yōu)化問(wèn)題，都達(dá)到了期望的效果。用它來(lái)優(yōu)化普通神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，成功地解決了IRIS數(shù)據(jù)分類問(wèn)題。本文采用兩層神經(jīng)網(wǎng)絡(luò)級(jí)聯(lián)的辦法進(jìn)行化學(xué)溶液濃度的預(yù)測(cè)。首先用小波網(wǎng)絡(luò)1對(duì)混合溶液測(cè)出的極譜信號(hào)進(jìn)行擬合并提取特征；然后用神經(jīng)網(wǎng)絡(luò)2對(duì)提取的信號(hào)特征學(xué)習(xí)訓(xùn)練到一定程度后，用以上網(wǎng)絡(luò)對(duì)待測(cè)極譜信號(hào)給出預(yù)測(cè)值。通常神經(jīng)網(wǎng)絡(luò)的訓(xùn)練采用經(jīng)典的BP算法，但該算法本質(zhì)上屬于梯度下降算