人工神经网络和遗传算法在数学优化中的应用.pdfVIP

人工神经网络和遗传算法在数学优化中的应用 摘 要 州〔合优化件，的NP-hard问题和u线性全局优化问趣，是数学优化研究中的难点·近年米，有许多 )\采MK;拟退火(SimulatedAnnealing)、遗传算法((eneticAlgorithms)和人 1神经网络(Artificial NeuralNetworks)等启发式算法对这两类问题进行研究，井取得了一定进展。但这些方法通常存在引 }M)、、收敛慢及参”敏感等不足丫 本文上篇将外部罚函数的思想融入到Hopfield网络当中，得到了一种新的时变反馈神经网络杖 型。笔者将增长罚因子引入到时常反馈神经网络模t},}当中，使其求解旅行商问题的成功率和收敛速瓜 都显著提高，网络参数的敏感性也得到了一定的改善，并通过大量的数字模拟试验使新模型得到了实 践上的支持。最后，我们运用正交设计方法，对网络参数、罚因子参数及模型结构进行了优化选择， 使得TSP问题解的质量得到了进一步提高。 卜篇中，笔者给出了一种新的遗传算法早熟控制策略，包括种群规模和最大进化代数等控制参数 的经验公式以及交叉概率和变异概率的自适应调整策略 同时将模式识别理论中模式相关的概念和神 经元的响应函数引入到标准遗传算法 (SGA)中，定义了两个染色体之间的共享函数，用它进行适应 值的共享小生境标定，并进一步做适应值的Boltzman标定，实现了一种新的混合遗传算法。大量的 算例表明，这种新算法比SGA有更强的全局寻优能力 关键词:全局优化 组合优化 旅行商问题 人工神经网络 正交设计方法 模拟退火 遗传算法 共~ r}从 TheApplicationsofArtificialNeuralNetworksandGenetic Algorithmsinmathematicalprogramming Abstract TheNP-hardproblemsai记theglobaloptimizationproblemsaretwocategories ofthemostchallengedsubjectsinmathematicalprogramming.Recently,some heuristicalgorithms,suchassimulatedannealing(SA),geneticalgorithms(GA)and artificialneuralnetworks(ANN),areemployedtothesedifficultproblemsandmany ofpromisingresultareobtained.However.theamountofcalculation,thespeedofthe convergenceandthesensitivityofparametersofthesealgorithmsarelessencouraged. Inthefirstsectionofthisthesis,theideaoftheexternalpenaltyfunctionis emergedintotheHopfiedneuralnetworks,andanoveltime-varyingrecurrentneural networkmodelisproposed.Weemploytheincreasingpenaltyfactorstoeach parameterofthetime-constantrecurrentneuralnetworks.Thenthecapabilityofthe newmodelforsolvingthetravelingsalesmanproblems(TSP)isenhancedandthe simulatedresultsarepresentedtosupportourmethodinexperimentalaspect.Finally, theoptimalcombinationoftheparameters.thepenaltyfactorsandthemodel structuresarechosenbyorthogonaldesignmethod(ODM)andthequalityofthe solutionforTSPisimprov