利用遗传模拟退火算法优化神经网络结构.docxVIP

利用遗传模拟退火算法优化神经网络结构

摘要：常用的神经网络是通过固定的网络结构得到最优权值，使网络的实用性受到影响。引入了一种基于方向的交叉算子和变异算子，同时把模拟退火算法引入了遗传算法，结合遗传算法和模拟退火算法的优点，提出了一种优化神经网络结构的遗传——模拟退火混合算法，实现了网络结构和权值的同时优化。仿真实验表明，与遗传算法和模拟退火算法相比，该算法优化的神经网络收敛速度较快、预测精度较高，提高了网络的处理能力。

关键词：遗传算法;模拟退火算法;神经网络;优化

l、引言

神经网络是由多个简单的处理单元彼此按某种方式相互连接而形成的计算系统，该系统通过对连续或断续式的输入作状态响应而进行信息处理。虽然每个神经元的结构和功能十分简单，但由大量神经元构成的网络系统的行为却丰富多彩和十分复杂。神经网络在国民经济和国防科技现代化建设中具有广阔的应用领域和应用前景。主要应用领域有：语音识别、图像识别、计算机视觉、智能机器人、故障机器人、故障检测、实施语言翻译、企业管理、市场分析、决策优化、物资调运自适应控制、专家系统、智能接口、神经生理学、心理学和认知科学研究等等。

随着神经网络理论研究的深入以及网络计算能力的不断拓展，神经网络的应用领域将会不断拓展，应用水平将会不断提高，最终达到神经网络系统可用来帮人做事的目的，这也是神经网络研究的最终目标。

神经网络具有很强