基于遗传算法及其改进的进化神经网络算法.pdfVIP

T 7PSILICON VALLEY ■嚣 【科技刨新论坛】 基于遗传算法及其改进 的进化神经网络算法 丑 lR『 (天津工业大学 天津 300387) 摘 要： 提出 种基于改进遗传算法的彻底进化神经网络算法，并且命名为IGA—BP算法。在IGA—BP算法中，首先用遗传算法来全面解决和设计神经网络中的 结构以及所有训练『参数，然后用训练的样本来找到最优解。该网络的缺点是，他的结构和神经训练参数是随机的，或由一个人的经验来解决的。IGA—BP算法可以用 于 电力变压器故障的诊断。在神经网络的基础上可 以建立 电力变压器故障诊断的模型。的例证结果表明，该算法在速度的收敛精度方面优于传统的BP算法。可 以用 该算法实现对 电力变压器故障的快速且准确的判断。 关键词： 遗传算法；神经网络算法：电力变压器故障：收敛速度；收敛精度；BP神经网络；IGABP算法；权值和阀值：动量因子；编码 中图分类号：fP39 文献标识码：^ 文章编号：1671—7597(2012)0220180—01 1介绍 1： 11： 神经网络是一个复杂的网络系统，它通过模拟人脑的神经工作过程来 2：定义一个实数r，使得0≤r≤1，如果r~Ph，执行3，否则跳转到6 处置信息，可 以实现并行处理和非线性变换 。该网络有很强的 自学能力 ， 3：j=l： 自适应能力，良好的容错性与联想记忆和同时处理等功能。在所有种类 的 4：如果S =o，则令S =1；但是如果 由于执行该操作产生S个体 的 神经网络算法 中，BP算法是一种典型的算法 ，并且他解决了多层次前馈型 自适应性，则保持S=O； 神经网络的训练问题 ，并已得到广泛应用。但是，传统 的BP神经网络算法 5：j++，如果jn，执行6，否则跳转N4： 很容易陷入激增并且只是局部最优，而且其收敛速度慢 。相反 ，用遗传算 6：i十+，如果in，执行7，否则跳转到2； 法来寻找全局最优的能力是很强的。遗传算法是从自然进化论中发展而来 7：停止。 的，它是一类有效的并行全局搜索算法。它有很好的鲁棒性，并已成功应 其中，Ph表示帮助可能性，表示的是i个体 ，表示i个体的j位，n表示 用于解决全局优化问题。如果神经网络是按照优化和遗传算法设计的，该 编码无性别长度，N代表群体大小。 算法不仅易于实现全局最优，而且很容易提高神经网络 的性能。许多学者 2．3匹配方法改进 在这方面都有很不错的成果。 在本文的算法中，相同性别的个体不进行交配。即雄性只能与雌性交 然而，大多数现有的神经网络设计方法优化的目标是在结构，初始权 配。而且，为了获得个体们较好的排列顺序 ，用这样的算法操作来实现， 重和 阀值方面，而忽视训练 比率和动量 因子。事实上，当设计一个神经网 即按照依次优劣排序的雌体与用 同样排序的雄体进行交配。这样有利与遗 络时，初始权重和阀值是随机产生的，而训练 比率和动量因子以及网络的 传算法加快寻找全局最优的速度，增强了全局收敛性。 结构通常是 由人们的经验获得的。这些 因素都影响了网络的训练速度和神 为了避免近亲繁殖，不同性别的个体还需要检查它们的区别，如果两 经 网络的直接处理能力。只有全面的优化这些参数，才 能使得网络整体性 个个体是相同的或者区别他们相对应 的二进制码值为一，他们不能进行交 能得 以改善。因此，本文提 出基于高性能遗传算法的彻底进化神经网络的 配而且必须将它们进行修正 ，比如，最高码值的个体与最低码值的个体必 BP算法。该算法可用于建立诊断电力变压器和 电源变压器的模型，而该模 须修正为最高码值和最高码值的个体的交配。因此 ，可以保证远血缘个体 型是基于神经网络的。