对人工神经网络和遗传算法的认识报告.pptVIP

基于飞灰含碳量的火电锅炉燃烧优化控制 几个名词的认识 1、个体与种群 2、适应度与适应度函数 3、染色体与基因 4、遗传操作：选择-复制、交叉、变异 1、群体规模 2、最大换代数： 3、交叉率：参加交叉运算的染色体个数占全部染色体总数的比例，取值一般为0.4-0.99 4、变异率：发生变异的基因位数占全体染色体基因总数的比例，一般为0.0001-0.1 1、直接在解空间搜索，相对于图搜索能更早得到解。 2、随机的始于搜索空间的一个点集，是一种随机搜索算法。 3、遗传算法总是在寻找最优解，是一种优化搜索算法。 4‘遗传算法是从空间的一个种群到另一个种群的搜索，是一种并行搜索，适合大规模并行计算，而且能够跳出局部最优解。 5、遗传算法适应性强，除需知适应的函数外几乎不需要其他先验知识。 6、遗传算法长于全局搜索，不受搜索空间的限制性假设的约束，所以能以很大的概率从离散的、多极值的、含有噪声的高纬度问题中找到全局最优解。 人工神经网络（ANN），又称神经网络，由具有适应性的简单单元组成的广泛并行互联网络，它的组织能够模拟出生物神经系统对真实世界物体锁做出的交互反应。 人工神经网络是利用人工方式对生物神经网络的模拟。 1、并行分布处理：网络具有良好的并行结构和并行处理能力，因而具有较好的耐故障能力和总体处理能力 2、非线性映射：适用于处理非线性问题 3、通过训练进行学习：适用于那些数学模型或描述规则难以解决的问题。 4、适应与集成：神经网络的强适应和信息融合能力使得他可以同时输入大量不同的控制信号，解决输入信息的互补和冗余问题，实现信息集成和信息融合 1、ANN研究受到脑科学研究成果的限制 2、ANN缺少一个完整、成熟的理论体系 3、ANN研究带有浓厚的策略和经验色彩 4、ANN与传统技术的接口不成熟 人脑神经网络是由神经元突触与树突连接起来形成的。 人工神经网络是由基本处理单元及其互连方法决定的。 1、每个神经元都是一个多输入单输出的信息处理单元神经元输入分兴奋性输入和一致性输入两种类型 2、神经元具有空间整合特性和阈值特性 3、神经元之间连接方式有两种，兴奋性和抑制性突触，其中抑制性突触其否决作用 4、每个输入通过权值表征它对神经元的耦合程度，无耦合则权值为0 5、突触接头上有时间延迟，以该延迟为基本时间单位，网络的活动过程可以离散化 1、一种具有单层计算单元的神经网络，即为感知器。 2、感知器是一种前馈网络，同层内无互连，不同层间无反馈，由下层向上层传递。其输入、输出均为离散值，神经元对输入加权求和后，由阈值函数决定其输出。 3、单层感知器的结构与功能都非常简单，但却是其他网络的基础。 4、在感知器中第一次引入了学习的概念，使之人脑所具备的学习功能在基于符号处理的数学模型中得到了一定程度的模拟 5、简单感知器模型实际上仍然是M－P模型的结构，但是它通过采用有监督学习来逐步增强模式划分的能力，达到学习的目的