基于人工神經(jīng)網(wǎng)絡(luò)的最優(yōu)化算法研究.pdf

1、智能算法從模擬自然界生物體系和人類(lèi)智能現(xiàn)象出發(fā)，用計(jì)算機(jī)模擬和再現(xiàn)人類(lèi)的某些智能行為，在改造自然的工程實(shí)踐中取得了巨大成功。智能算法中的神經(jīng)網(wǎng)絡(luò)由于其所具有的很強(qiáng)的自適應(yīng)性和學(xué)習(xí)能力、非線性映射能力、高魯棒性和容錯(cuò)能力等特點(diǎn)而被廣泛應(yīng)用。但神經(jīng)網(wǎng)絡(luò)的實(shí)際使用中，由于其結(jié)構(gòu)、初始權(quán)值、閾值和學(xué)習(xí)樣本等都需要操作者的先前經(jīng)驗(yàn)來(lái)確定和調(diào)試，不同的操作者可能得出不同的數(shù)據(jù)，使得神經(jīng)網(wǎng)絡(luò)的實(shí)際效果大打折扣，也阻礙了神經(jīng)網(wǎng)絡(luò)的推廣應(yīng)用。
　　

2、 本文針對(duì)神經(jīng)網(wǎng)絡(luò)的這些不足提出了一個(gè)基于神經(jīng)網(wǎng)絡(luò)的復(fù)合模型的構(gòu)想。通過(guò)對(duì)人類(lèi)學(xué)習(xí)過(guò)程的分析來(lái)推斷人腦的大致思維活動(dòng)，并以此為基礎(chǔ)建立了一個(gè)基于神經(jīng)網(wǎng)絡(luò)的復(fù)合模型，該復(fù)合模型主要分為工作模塊和控制模塊兩部分，控制模塊通過(guò)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)引入“先驗(yàn)知識(shí)”，控制工作模塊的工作過(guò)程。
　　 智能算法和最優(yōu)化理論是兩個(gè)相互促進(jìn)和相輔相成的兩個(gè)學(xué)科。最優(yōu)化算法實(shí)際上就是一個(gè)不斷迭代尋優(yōu)的過(guò)程。傳統(tǒng)的優(yōu)化算法在迭代過(guò)程中存在著一些局限性，搜

3、索較慢。通過(guò)在最優(yōu)化中算法中引入神經(jīng)網(wǎng)絡(luò)，減少搜索過(guò)程的盲目性，加強(qiáng)其目的性，給予搜索過(guò)程以更加明確的指導(dǎo)。
　　 在最優(yōu)化算法中，當(dāng)搜索方向按照一定的規(guī)則確定后，搜索步長(zhǎng)就成為影響算法收斂速度的關(guān)鍵因素。而在傳統(tǒng)的算法中，步長(zhǎng)是通過(guò)某個(gè)搜索策略或者計(jì)算公式得到，無(wú)法保證最優(yōu)。我們通過(guò)引入的神經(jīng)網(wǎng)絡(luò)智能化確定迭代中的步長(zhǎng)，使得最終的迭代速度得到改善。
　　 該模型不僅可以使得原問(wèn)題的收斂速度加快，對(duì)于類(lèi)似問(wèn)題同樣有效。該