神经网络的遗传蚁群算法.pdfVIP

摘 要 人工神经网络(Artificial Neural Network)是一门是近年来再度兴起并得到迅 速发展的前沿交叉学科，它是一种在对人脑组织结构和运行机制的认识理解基 础之上模拟其结构和智能行为的工程系统。它拥有很好地非线性泛化能力。目 前，神经网络已经广泛应用于自动控制领域、处理组合优化问题、模式识别、 图像处理、传感器信号处理、机械人控制、信号处理、卫生保健、医疗、商业 预测、化工领域、焊接领域以及数据挖掘、电力系统、交通、军事、矿业、农 业和气象等方面。 但是，在实际应用中，这种经典的网络算法存在着诸多的缺陷，其中之一 就是局部极小值问题。在收敛过程中时常导致结果的振荡，并且有时候收敛不 到精确的解。 为了解决这个问题 ，本文将生物仿生算法——遗传算法、蚁群算法应用于 神经网络的权值优化当中。本文利用遗传算法的优秀的全局收敛能力，首先通 过遗传算法找到权值的全局最优解。而后，为了弥补遗传算法在收敛精度上的 不足，再通过蚁群算法将权值收敛到任意精度的全局最优解。同时，文本通过 对传统遗传算法的改进，增强了其收敛到全局最优值的能力，通过对蚁群算法 的改进，增强了其收敛到全局最优的能力和收敛的速度，并且取得了非常好的 效果。最后基于前面的研究，本文设计了基于遗传蚁群算法的系统，并将调整 后的海关进出口数据用