毕业设计论文基于遗传算法的BP神经网络的优化问题研究.doc

编号：

审定成绩：

重庆邮电大学

毕业设计（论文）

设计（论文）题目：基于遗传算法的BP神经网络的优化

问题研究

学院名称：

学生姓名：

专业：

班级：

学号：

指导教师：

答辩组负责人：

填表时间：2010年06月

重庆邮电大学教务处制

摘要

本文的主要研究工作如下：

1、介绍了遗传算法的起源、发展和应用，阐述了遗传算法的基本操作，基本原理和遗传算法的特点。

2、介绍了人工神经网络的发展，基本原理，BP神经网络的结构以及BP算法。

3、利用遗传算法全局搜索能力强的特点与人工神经网络模型学习能力强的特点，把遗传算法用于神经网络初始权重的优化，设计出混合GA-BP算法，可以在一定程度上克服神经网络模型训练中普遍存在的局部极小点问题。

4、对某型导弹测试设备故障诊断建立神经网络，用GA直接训练BP神经网络权值，然后与纯BP算法相比较。再用改进的GA-BP算法进行神经网络训练和检验，运用Matlab软件进行仿真，结果表明，用改进的GA-BP算法优化神经网络无论从收敛速度、误差及精度都明显高于未进行优化的BP神经网络，将两者结合从而得到比现有学习算法更好的学习效果。

【关键词】神经网络BP算法遗传算法

ABSTRACT

The main research work is as follows:

1. Describing the origin of the genetic algorithm, development and application, explain the basic operations of genetic algorithm, the basic principles and characteristics of genetic algorithms.

2. Describing the development of artificial neural network, the basic principle, BP neural network structure and BP.

3. Using the genetic algorithm global search capability of the characteristics and learning ability of artificial neural network model with strong features, the genetic algorithm for neural network initial weights of the optimization, design hybrid GA-BP algorithm, to a certain extent, overcome nerves ubiquitous network model training local minimum problem.

4. A missile test on the fault diagnosis of neural network, trained with the GA directly to BP neural network weights, and then compared with the pure BP algorithm. Then the improved GA-BP algorithm neural network training and testing, use of Matlab software simulation results show that the improved GA-BP algorithm to optimize neural network in terms of convergence rate, error and accuracy were significantly higher than optimized BP neural network, a combination of both to be better than existing learning algorithm learning.

Key words：neural network back-propagation algorithms genetic algorithms

目录

第一章绪论 (1)

1.1 遗传算法的起源 (1)

1.2 遗传算法的发展和应用 (1)

1.2.1 遗传算法的发展过程 (1)

1.2.2 遗传算法的应用领域 (2)

1.3 基于遗传算法的BP神经网络 (3)

1.4 本章小结 (4)

第二章遗传算法 (5)

2.1 遗传算法基本操作 (5)

2.1.1 选择(Selection) (5)

2.1.2 交叉(Crossover) (6)

2.1.3 变异(Mutation) (7)

2.2 遗传算法基本思想 (8)

2.3 遗传算法的特点 (9)

2.3.1 常规的寻优算法 (9)

2.3.2 遗传算法与常规寻优算法的比较 (10)

2.4 本章小结 (11)

第三章神经网络 (12)

3.1 人工神经网络发展 (12)

3.2 神经网络基本原理 (12)

3.2.1 神经元模型 (12)

3.2.2 神经网络结构及工作方式 (14)

3.2.3 神经网络原理概要 (15)

3.3 BP神经网络 (15)

3.4 本章小结 (21)

第四章遗传算法优化BP神经网络 (22)

4.1 遗传算法优化神经网络概述 (22)

4.1.1 用遗传算法优化神经网络结构 (22)

4.1.2 用遗传算法优化神经网络连接权值 (22)

4.2 GA-BP优化方案及算法实现 (23)

4.3 GA-BP仿真实现 (24)