基于遗传算法的BP神经网络优化算法研究.docVIP

摘 要 PAGE IV 摘 要 遗传算法(GA)来源于在生物世界中适用的“适者生存”的进化规律。遗传算法同生物领域的生存规则一样，不断的淘汰弱势个体，保留进化优势个体，最终找到最优值。遗传算法强大的可移植性、对环境不断调整适应、通过环境自我学习的能力，使得遗传算法在各个领域都得以广泛使用，解决了许多实际问题。 本文介绍了一种基于遗传算法优化的BP神经网络，并将其在灰度图像的压缩中运用验证效果。第二章介绍了神经网络的基本知识,重点介绍了BP神经网络,通过对标准BP算法的推导,给出了改进算法,最后指出了BP网络的局限性。第三章主要研究了遗传算法的内容，对三个遗传算子的操作,如选择,交叉和变异,做了详细解释,以及如何操作遗传算法，画出了流程图示意。第四章利用遗传算法，对BP神经网络加以结合优化，调整了BP神经网络的运行参数,将训练样本装入网络进行训练。为了有实际的对比，在第五章，将遗传算法优化的BP神经网络应用于图像压缩模型，先说明了用神经网络建立图像压缩模型的原理，再按照具体步骤，实现优化算法，并将优化算法与纯BP网络的复原图像进行对比。 优化算法的重建图像与纯BP网络的重建图像相比，图像马赛克感、块效应现象减弱，图像更加清晰平滑，质量更高。这一结果说明了遗传算法显著提高了纯BP神经网络恢复的图像效果。因此，我们可以得出结论，遗传算法提高了搜索效率，缩小了搜索的区域，且不易陷入局