遗传神经网络算法详解.ppt

遗传神经网络算法 汇报人：AAA 专业：检测技术与自动化装置 主要内容 1 遗传算法简介 2 神经网络算法简介 3 遗传神经网络 4 举例说明 遗传算法简介 遗传算法（Genetic Algorithm－GA）是一种基于自然选择和基因遗传学原理的优化搜索方法。它将“优胜劣汰，适者生存”的生物进化原理引入待优化参数形成的编码串群体中，按照一定的适配值函数及一系列遗传操作对各个体进行筛选，从而使适配值高的个体被保留下来，组成新的群体，新群体中各个体适应度不断提高，直至满足一定的极限条件。此时，群体中适配值最高的个体即为待优化参数的最优解。 遗传算法简介要内容 其主要特点是： 1）直接对结构对象进行操作，不存在求导和函数连续性的限定； 2）具有更好的全局寻优能力； 3）采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。 神经网络算法简介 人工神经元的研究起源于脑神经元学说。复杂的神经系统是由数目繁多的神经元组合而成。大脑皮层包括有100亿个以上的神经元，每立方毫米约有数万个，它们互相联结形成神经网络，通过感觉器官和神经接受来自身体内外的各种信息，传递至中枢神经系统内，经过对信息的分析和综合，再通过运动神经发出控制信息，以此来实现机体与内外环境的联系，协调全身的各种机能活动。人工神经网络是由大量的简单基本元件——神经元相互联接而成的自适应非线性动态系统。每个神经元的结构和功能比较简单，但大量神经元组合产生的系统行为却非常复杂。 人工神经元模型 x1~xn：从其他神经元传来的输入信号 wij：表示从神经元j到神经元i的连接权值 θ：表示一个阈值 或称为偏置 人工神经元模型 人工神经元模型 神经元i的输出与输入的关系表示为： 若将阈值看成是神经元i的一个输入x0的权重wi0，则可以简化为 遗传神经算法 二者结合克服遗传网络进化至最优解速度慢和容易陷入局部解具有较好的全局性和收敛速度。 遗传算法是一种基于自然选择和基因遗传学原理的全局优化搜索方法。 神经网络具有并行快速的优点。 遗传神经算法 遗传-神经网络算法的基本思想是: 首先由GA求解，由于GA是同时搜索解空间的一群点,并构成不断进化的群体序列,因而在进化一定的代数后,可以同时得到一些具有全局性的好点,从这些好点出发,再分别用神经网络求解,进而得到全局优化解。 实例 例：遗传算法和神经网络在导弹测试设备故障诊断中的应用研究。 分析：在某型导弹测试设备故障诊断神经网络知识库的组建中，针对导弹地面设备结构复杂，系统性强，各分系统相互影响、制约的特点，对系统进行了特点分析和分类归纳，采用层次分类原理进行层次分类，然后分层次诊断，以保证诊断的快速性。 例如，在建立的故障诊断系统的诸多神经子网络中，有一仪表网络，其输入输出符号定义如下： 实例 x1: 电压表1是否指示正确 0 正确 1 不正确 x2: 漏电表显示是否漏电 0 不漏电 1 漏电 x3： 电压表2是否指示正确 0 正确 1 不正确 x4： 寿命钟是否有显示 0 有显示 1 无显示 x5： 温度表p6是否损坏 0 未损坏 1 损坏 y1： 调压旋钮BP1,BP2是否有故障 0 没有 1 有 y2： 计算机组合与系统地是否绝缘 0 绝缘 1不绝缘 y3： 寿命钟是否损坏 0 未损坏 1 损坏 y4 ：CZ/CT等是否不通 0 通畅 1 不通 实例 据此建立神经网络，它具有5个输入神经元，4个输出神经元，隐含神经元数取为6个。其训练样本如表1所示。 随后编制程序自动将上述表格分别读入不同的初始文件中，再用GA-BP算法进行神经网络学习，并将结果权值存入知识库中，即建立了其中一个神经子网络知识库。 实例 设有三层BP网络，Ii为输入层中第i个结点的输出；Hi为隐含层中第i个结点的输出；Oi为输出层中第i个结点的输出；WIHij为输入层中第i个结点与隐含层第j个结点的连接权值；WHOji为隐含层中第j个结点与输出层