上海交大-遗传算法大作业.pdfVIP

关于软计算方法的课程报告 神经网络、模糊与专家诊断系统课程大作业 关于软计算方法的课程报告 张洪进 院 （系）：电子信息与电气工程学院 专 业：控制理论与控制工程专业 学 号：1140329067 班 级：B1403292 2015 年 07 月 关于软计算方法的课程报告 一．“模糊逻辑” “神经网络”“遗传算法”“粒子群算法”4 种方法之 间的区别与联系 1.1 模糊逻辑与神经网络的特性比较 模糊逻辑与神经网络都是属于人工智能的信息处理方法，都可以从数据中提 炼系统的输入、输出的规律。其主要区别在于模糊控制着眼于可用语言和概念表 达的人脑宏观功能 ;而神经网络则着眼于人脑的微观机理,并通过有自学习、自组 织、自适应功能的神经网络上的非线性并行分散动力学,对无法语言化的模糊信 息进行处理. 很明显它们有各自的优点与缺点,例如与人脑并行处理不同模糊推理是以串 行方式进行的,这是模糊推理的不足. 神经网络总的来说有三个研究领域:其一, 对人脑的微结构特性,包括信息的分散表现,并行处理等;其二,数理的信息科学 研究, 目的是在原理上找出有关信息处 理方法;其三,应用研究,该领域研究课题 是如何产生实用的并行和自学习信息处理技术.神经网络传递函数的决定性部分 就是学习法则,学习法则允许处理单元按 照输入信号的状态,改变响应程度.使 用学习法则的神经网络一般要进行三种重要的训练.管理训练,分级训练和自组 织训练. 模糊理论和神经网络各自优点如下，神经网络的长处在于，其一是能生成无 需明确表现的知识规则,其二是有自学习能力;模糊技术的长处在于，其一是可以 用模糊性的自然语言表现知识，其二可以用Max,Min等简单运算实现模糊推理. 1.2 粒子群算法与遗传算法的联系与区别 遗传算法属于进化算法 ( EA) 的一种,它通过模仿自然界的选择与遗传的机 理来寻找最优解. 遗传算法有三个基本算子:选择、交叉和变异. 但是遗传算法 的编程实现比较复杂,首先需要对问题进行编码,找到最优解之后还需要对问题 进行解码,另外三个算子的实现也有许多参数,如交叉率和变异率,并且这些参数 的选择严重影响解的品质,而目前这些参数的选择大部分是依靠经验. 粒子群优化 (PSO) 算法是近年来发展起来的一种新的进化算法 (EA) .PSO算 法属于进化算法的一种,和遗传算法相似,它也是从随机解出发,通过迭代寻找最 优解,它也是通过适应度来评价解的品质. 但是它比遗传算法规则更为简单,它 没有遗传算法的 “交叉”(Crossover) 和 “变异”(Mutation) 操作. 它通过追 随当前搜索到的最优值来寻找全局最优 。 PSO和GA的相同点主要为以下六点： (1)都属于仿生算法。PSO主要模拟鸟类觅食、人类认知等社会行为而提出；GA 主要借用生物进化中“适者生存”的规律。 关于软计算方法的课程报告 (2)都属于全局优化方法。两种算法都是在空间随机产生初始种群，因而算法在 全局的解空间进行搜索，且将搜索重点集中在性能高的部分。 (3)都属于随机搜索算法。都是通过随机优化方法更新种群和搜索最优点。PSO 中认知项和社会项前都加有随机数；而GA的遗传操作均属随机操作。 (4)都隐含并行性。搜索过程是从问题解的一个集合开始的，而不是从单个个体 开始，具有隐含并行搜索特性，从而减小了陷入局部极小的可能性。并且由于这 种并行性，易在并行计算机上实现，以提高算法性能和效率。 (5)根据个体的适配信息进行搜索，因此不受函数约束条件的限制，如连续性、 可导性等。 (6)对高维复杂问题，往往会遇到早熟收敛和收敛性能差的缺点，都无法保证收 敛到最优点。 PSO和GA的不同点也有一下五点 ： (1)PSO有记忆，好的解的知识所有粒子都保存，而GA没有记忆，以前的知识随着 种群的改变被破坏。 (2)在GA算法中，染色体之间相互共享信息，所以整个种群的移动是比较均匀地 向最优区域移动。PSO中的粒子仅仅通过当前搜索