第4章系统辨识的人工智能方法分解.ppt

第4章 系统辨识的人工智能方法 4.2 遗传算法(进化计算) ⒈遗传算法的基本概念 ⒉编码方案 ⒊适应度计算 ⒋随机选择(复制) ⒌交换操作 ⒍变异操作 遗传算法的优越性 4.6 神经网络辨识 基于神经网络的系统辨识原理 系统模型及逆模型的辨识⑴ 系统模型及逆模型的辨识⑵ 系统模型及逆模型的辨识⑶ 神经网络辨识的特点 * * 传统辨识方法 给定模型的参数估计 系统辨识问题实际上是一个优化问题 通过观测输入、输出数据对，确定系统的数学模型。 估计是针对函数的，系统的输入输出是函数关系。 估计准则最后体现为目标函数的形式。 因为系统辨识技术涉及最优估计和优化计算， 所以了解和掌握其基本内容和最新发展是重要的。 系统辨识与优化问题 4.1 模拟退火算法 4.2 遗传算法 4.3 蚁群算法 4.4 粒子群优化算法 4.5 模糊逻辑 4.6 神经网络 4.1 模拟退火算法SAA 模拟退火算法(Simulated Annealing Algorithms) 基于热处理中固体物质退火时由高能态向低能态转变的过程与组合优化问题中寻找目标函数最优值过程的相似性而提出的模拟退火算法，是一种通用的 Monte Carlo随机搜索算法，已用于求解制造领域中的组合优化问题。 典型的组合优化问题有旅行商问题（Traveling