智能控制第二次大作业神经网络控制作业.doc

智能控制第二次大作业 ——神经网络控制作业 学号：SY1403 姓名： 日期：2014年12月31日 1、以一个三层BP网络（输入层、隐层和输出层的结点数分别为n1、n2和n3）为例，给出BP算法的学习（训练）流程，包括主要步骤的详细计算公式。设给定P组输入输出样本 。 （10分） 设为0-1之间的小数，网络训练后达到的精度Emin设为一正的小数。 输入训练样本对，计算各层输出。用当前样本对向量数组X、d,赋值，用公式(1)、(2)计算Y和O中各分量。 (1) (2) 计算网络输出误差，设共有p对训练样本，网络对应不同的样本具有不同的误差 (3) 可将全部样本输出误差的平方进行累加再开方作为总输出误差，也可用诸误差中的最大值EMAX代表网络中的总输出误差，使用中更多采用均方根误差作为网络的总误差，军方误差表达式如公式(4)所示。 (4) 计算各层误差信号，应用公式(5)和(6)计算。 (5) (6) 调整各层权值，应用公式(7)和(8)计算W、V中各分量。 (7) (8) 检查是否对所有样本完成一次训练，若Pq，计数器p，q增1，返回步骤1），否则转向7)。 检查网络总误差是否达到精度要求，例如，当用EHME作为网络总误差时，若满足EHMEEmin，训练结束，否则E置0，p置1，返回步骤2)。 紧密结合自己的专业背景、科研方向或解决问题的经历，说明人工神经网络在你所关注的专业问题上应用的可行性。要求说明：自己的科研或专业背景，所关注的问题，与人工神经网络有什么关联，应用人工神经网络的可行性，问题的解决思路，比传统解决方法的优势。（30分） 本人研究生方向为导航、制导与控制，具体为路径规划方向。在路径规划方面比较多的算法是A*算法、遗传算法，蚁群算法，概率地图算法以及多种算法之间的融合与改进算法等，它们各有所长，也各有局限性。 ：GPS GIS系统的道路规划，城市道路网规划导航等。：( VRP)及类似的资源管理资源配置问题。通信技术领域的路由问题等。凡是可拓扑为点线网络的规划问题基本上都可以采用路径规划的方法解决，路径规划的核心就是算法的设计，路径规划算法目前已经得到了广泛的关注，从传统算法到后来的结合仿生学发展起来的算法，智能算法已经取得了巨大的进展，不同的智能算法特点不同，适用范围和领域也就不同，因而从算法本身特点及其应用来研究路径规划智能算法，对路径规划技术的发展具有重要意义。随着科学技术的不断发展，路径规划技术面对的环境将更为复杂多变这就要求路径规划算法要具有迅速响应复杂环境变化的能力这不是目前单个或单方面算法所能解决问题，这也是无人机路径规划需要解决的问题。 神经网络算法是人工智能领域中的一种非常优秀的算法，它主要模拟动物神经网络行为，进行分布式并行信息处理，它由于其特有的大规模并行结构、信息的分布式存储和并行处理特点，使其具有良好的自适应性、自组织性和容错性，较强的学习、记忆、联想和识别功能等，已经在信号处理、模糊识别、目标跟踪、机器人控制、专家系统、组合优化和预测系统等众多领域获得了广泛的应用。同样在路径搜索中得到应用（如已经采用HP神经网络问题解决了TSP旅行商问题中）。但它在路径规划中的应用却并不成功，因为路径规划中复杂多变的环境很难用数学公式进行描述，如果用神经网络去预测学习样本分布空间以外的点，其效果必然是非常差，尽管神经网络具有优秀的学习能力，但是泛化能力差是其致命缺点，但因其学习能力强鲁棒性好，它与其他算法的结合应用已经成为路径规划领域研究的热点[1]。多目标进化算法（Mutiple?Objective?Evolutionary?Algorithms）具有搜索能力强、鲁棒性和通用性好等特点，非常使用于处理存在多个相互冲突目标、搜索空间规模较大且高度复杂的优化问题。 例如采用遗传算法与BP神经网络算法相结合来对机器人进行路径规划。BP算法采用的是梯度下降法，全局搜索能力差，局部搜索能力强，而遗传算法是一种全局寻优算法，全局搜索能力较强，局部搜索能力差，为了克服两种算法各自的缺点，发挥两种算法的长处，所以将这两种算法结合起来，达到优势互补的作用[2]。具体做法是：在有障碍物的二维坏境中，可以将障碍物简化为长方形，利用四个不等式就可以把障碍物表达出来，通过判断一个点的