[参考]基于遗传算法的神经网络设计.docVIP

摘 要 随着科学技术的发展，各学科交叉渗透，利用遗传算法用于解决传统计算所遇到的寻找最优解或准优解显得尤为重要。因此，研究能在搜索过程中自动获得和积累有关搜索空间的知识，并能自适应地控制搜索过程，从而得到最优解或准有解的通用搜索算法一直是令人瞩目的课题。遗传算法经实践证明特别有效的算法。 With the development of science and technology, infiltrated the various disciplines, the traditional use of genetic algorithms for solving encountered calculation to find the optimal solution or quasi-optimal solution is very important. Therefore, the study can be automatically in the search process and the accumulation of knowledge of the search space, and can adaptively control the search process, thereby yielding the optimal solution or the quasi-solvability of the general search algorithm has been a remarkable subject. GA proven particularly effective method. This issue will be on neural networks, genetic algorithms and basic premise of theory, focusing on the C language implementation of genetic algorithm research, while GA optimization and neural network training in the areas of application and implementation of more in-depth . In this paper, genetic algorithm neural network weight learning and training principles and methods, and detailed study of neural network weights and training in the specific realization of genetic algorithm Key words: genetic algorithm; neural network; fitness; crossover ;mutation breeding; 目 录 第一章 绪论 4 1.1遗传算法的产生及特点 4 1.2遗传算法的发展及其应用 5 1.3本课题的选题背景 5 1.5本课题研究目的与意义 6 第二章 神经元网络及BP算法 7 2.1 神经网络概述 7 2.2 神经元的数学模型 7 2.3 BP学习算法 9 2.4 BP算法的原理 9 第三章遗传算法 15 3．1遗传算法概述 15 3.2遗传算法的步骤 16 3.2.1编码问题 16 3.2.3选择 17 3.2.4交叉 18 3.2.5变异 19 3.2.6全局最优收敛 19 第四章 遗传算法在神经网络中的应用 21 4.1遗传算法与神经网络的结合 21 4.2遗传算法训练神经网络C语言实现 22 4.2.1用遗传算法训练神经网络的要求 22 4.2.3遗传算法训练神经网络C语言实现 24 4.3 结果分析 35 第五章 结束语 38 参考文献： 39 第一章 绪论 BP网(Back Propagation Network)是目前应用最为广泛的神经网络，具有相当强的输入输出映射能力．但是，由于BP算法的基本思想是最小二乘法，采用的是梯度搜索技术，难免存在收敛速度慢、局部极小等问题。神经网络和遗传算法都是比较先进的计算方法，它们已成功地应用于工业、经济管理、交通运输、工业设计等领域，解决了许多问题。但是神经网络权值训练和学习过程的复杂和长期性，特别是神经网络易有训练过度的缺点，这些都大大影响了神经网络的更广泛普及和应用。遗传算法是一种高效和计算简单的优化算法，它完全可以应用于神经网络权值的训练和学习中，提高神经网络的学习效率和学习速度，减轻网络学习过度的问题，为神经网络的更广泛应用奠