對人工神經網絡和遺傳算法的認識

對人工神經網絡和遺傳算法的認識基于飛灰含碳量的火電鍋爐燃燒優(yōu)化控制遺傳算法基本概念幾個名詞的認識1、個體與種群2、適應度與適應度函數(shù)3、染色體與基因4、遺傳操作：選擇-復制、交叉、變異遺傳操作

遺傳算法的基本流程圖遺傳算法的一些參數(shù)控制1、群體規(guī)模2、最大換代數(shù)：3、交叉率：參加交叉運算的染色體個數(shù)占全部染色體總數(shù)的比例，取值一般為0.4-0.994、變異率：發(fā)生變異的基因位數(shù)占全體染色體基因總數(shù)的比例，一般為0.0001-0.1遺傳算法的特點與優(yōu)勢1、直接在解空間搜索，相對于圖搜索能更早得到解。2、隨機的始于搜索空間的一個點集，是一種隨機搜索算法。3、遺傳算法總是在尋找最優(yōu)解，是一種優(yōu)化搜索算法。4‘遺傳算法是從空間的一個種群到另一個種群的搜索，是一種并行搜索，適合大規(guī)模并行計算，而且能夠跳出局部最優(yōu)解。遺傳算法的特點與優(yōu)勢5、遺傳算法適應性強，除需知適應的函數(shù)外幾乎不需要其他先驗知識。6、遺傳算法長于全局搜索，不受搜索空間的限制性假設的約束，所以能以很大的概率從離散的、多極值的、含有噪聲的高緯度問題中找到全局最優(yōu)解。人工神經網絡人工神經網絡（ANN），又稱神經網絡，由具有適應性的簡單單元組成的廣泛并行互聯(lián)網絡，它的組織能夠模擬出生物神經系統(tǒng)對真實世界物體鎖做出的交互反應。人工神經網絡是利用人工方式對生物神經網絡的模擬。人工神經網絡的特性1、并行分布處理：網絡具有良好的并行結構和并行處理能力，因而具有較好的耐故障能力和總體處理能力2、非線性映射：適用于處理非線性問題3、通過訓練進行學習：適用于那些數(shù)學模型或描述規(guī)則難以解決的問題。4、適應與集成：神經網絡的強適應和信息融合能力使得他可以同時輸入大量不同的控制信號，解決輸入信息的互補和冗余問題，實現(xiàn)信息集成和信息融合神經網絡研究的局限性1、ANN研究受到腦科學研究成果的限制2、ANN缺少一個完整、成熟的理論體系3、ANN研究帶有濃厚的策略和經驗色彩4、ANN與傳統(tǒng)技術的接口不成熟神經元結構與鏈接人腦神經網絡是由神經元突觸與樹突連接起來形成的。人工神經網絡是由基本處理單元及其互連方法決定的。神經元結構與連接

M-P模型的六點特性1、每個神經元都是一個多輸入單輸出的信息處理單元神經元輸入分興奮性輸入和一致性輸入兩種類型2、神經元具有空間整合特性和閾值特性3、神經元之間連接方式有兩種，興奮性和抑制性突觸，其中抑制性突觸其否決作用4、每個輸入通過權值表征它對神經元的耦合程度，無耦合則權值為05、突觸接頭上有時間延遲，以該延遲為基本時間單位，網絡的活動過程可以離散化感知器模型特點1、一種具有單層計算單元的神經網絡，即為感知器。2、感知器是一種前饋網絡，同層內無互連，不同層間無反饋，由下層向上層傳遞。其輸入、輸出均為離散值，神經元對輸入加權求和后，由閾值函數(shù)決定其輸出。3、單層感知器的結構與功能都非常簡單，但卻是其他網絡的基礎。4、在感知器中第一次引入了學習的概念，使之人腦所具備的學習功能在基于符號處理的數(shù)學模型