遗传算法与神经网络的结合.pdfVIP

遗传算法与神经网络的结合 李敏强 徐博艺 寇纪淞 摘要 阐明了遗传算法和神经网络结合的必要性和可行性，提出用多层前馈神 经网络作为遗传搜索的问题表示方式的思想。用遗传算法和神经网络结合的方 法求解了短期地震预报问题，设计了用遗传算法训练神经网络权重的新方法， 实验结果显示了遗传算法快速学习网络权重的能力，并且能够摆脱局部极点的 困扰。 关键词 遗传算法 进化计算 神经网络 On the Combination of Genetic Algorithms and Neural Networks Li Minqiang Xu Boyi Kou Jisong (Institute of Systems Engineering, Tianjin University, Tianjin 300072) Abstract In this paper, we demonstrate the necessity and possibility of combining neural network (NN) with GAs. The notion of using multilayered feed forward NN as the representation method of genetic and the searching technique is introduced. We combine GA and NN for solving short term earthquake forecasting problem, design a novel method of using GAs to train connection weights of NN.The empirical test indicates the capability of the new method in fast learning of NN and escaping local optima. Keywords genetic algorithms; evolutionary computation; neural networks 1 引言 智能可以分为三个层次：高层次的是生物智能(BI)，其次是人工智能(AI)， 处 于低层次的是计算智能(CI) 。 计算智能是国际上新近提出的学科概念，在计算 智能中，计算的概念是传统计算概念的拓展，计算对象不仅局限于数和字符， 运算符号也不再局限于加减乘除等运算，在这个范畴内的加减乘除也需赋于新 的含义。但一般来说，AI 偏重于逻辑推理，而 CI 则偏重于数值计算。 目前，计算智能正处于迅猛发展的阶段，其主要技术包括模糊技术、神经 ［ ］ 网络、进化计算等 5 。这几项技术各自均有了数十年的历史，但当时这些方法 并未受到足够的重视，一是当时这些方法还不很成熟，二是受当时计算机软硬 件的限制，而这些方法一般需要较大的计算量，难以取得实际应用。随着计算 机技术的发展和普及，它们在最近十年得到了突飞猛进的发展，引起了诸多领 域专家学者的关注，成为一个跨学科的研究热点。近年来，这些方法呈互相融 ［ ］ 合的趋势 3 ，它们之间的相互补充可增强彼此的能力，从而获得更有力的表示 和解决实际问题的能力。如对模糊神经网络、模糊遗传算法、模糊分类器系统、 用遗传算法优化模糊系统的隶属度函数及神经网络的进化设计方法等的研究都 ［ ， ］ 体现了这种融合的优点 1 2 。 2 遗传算法与神经网络的融合 2.1 神经网络为什么需要遗传算法 对于一个实际问题建立神经网络通常包括下面四个阶段：首先研究者根据 自己的理论、经验和研究兴趣选择一个问题域，如模式识别、神经控制、经济 预测等。第二，根据学习任务设计网络结构，包括处理单元个数、各层的组织 结构及处理单元之间的联结。第三，根据已知的网络结构和学习任务用梯度下 降学习算法，如BP 算法来训练联结权值。最后，研究者以测量到的目标性能， 如解决特殊问题的能力、学习速度和泛化能力对训练过的网络进行评价。这个 过程可以不断重复以获得期望的结果。 描述一个 ANN 模型结构的主要参数有：网络层