| 【中文题名】 | 进化计算及其在神经网络中的应用 |
| 【英文题名】 | Evolutionary Computation and Its Application in Neural Networks |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2002-6-27 |
| 【中关键词】 | 进化算法,人工神经网络,群体多样性,协同演化,, |
| 【英关键词】 | evolutionary algorithms,artificial neural networks,population diversity,co-evolution, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
进化算法是借鉴生物自然选择和遗传机制而产生的随机搜索算法，主要包括遗传算法、进化规划、进化策略、遗传编程。进化算法已经广泛地应用到组合优化、函数优化、机器学习等复杂的问题中，并引起许多学者的关注和兴趣。
作者在论文期间的工作主要集中在以下几个方面：
对遗传算法中的二进制编码和浮点数编码进行对比分析，阐明两种编码方法的优缺点和对遗传操作算子的影响，为合理地描述待解决的问题提供一定的依据；
遗传操作算子对算法的性能有重大的影响，文中对模拟二进制交叉算子对群体的分布影响进行了分析论证，得出模拟二进制交叉能保持群体的均值，并在满足一定条件下使群体方差变大的结论；
如何保持群体的多样性，一直是进化算法研究的主要内容。本文主要验证和设计适应性操作算子和小生境方法保持群体多样性的能力，实验表明两种方法都能较好地达到目的；利用生物合作竞争模型设计协同演化来动态地改变群体规模，实验表明该模型是有效的；
人工神经网络是得到越来越广泛应用的学习系统，但是由于学习算法存在一定的缺陷，如易于陷入局部极值，难以调整网络的结构等，使神经网络的应用受到一定的限制。... |
| 【论文题纲】 |
|
第1章 绪论 |
7-12 |
|
1．1 进化算法的生物学基础及其特征 |
7 |
|
1．2 进化计算的发展历史及现状 |
7-8 |
|
1．3 进化计算的研究方向及应用 |
8-9 |
|
1．4 论文研究的问题及其意义 |
9-10 |
|
1．5 作者的主要工作和论文的结构 |
10-12 |
|
第2章 实数型遗传算法 |
12-41 |
|
2．1 遗传算法的基本概念 |
12 |
|
2．2 编码表示 |
12-15 |
|
2．3 遗传操作算子 |
15-26 |
|
2．3．1 选择算子 |
15-20 |
|
2．3．2 交叉算子 |
20-25 |
|
2．3．3 变异算子 |
25-26 |
|
2．4 遗传算法的群体多样性 |
26-34 |
|
2．4．1 群体多样性测度 |
26-27 |
|
2．4．2 影响群体多样性的因素 |
27-28 |
|
2．4．3 群体多样性保持策略 |
28-34 |
|
2．5 群体规模 |
34-39 |
|
2．6 进化计算的其它方面 |
39 |
|
本章小结 |
39-41 |
|
第3章 进化规划 |
41-43 |
|
第4章 进化策略 |
43-46 |
|
第5章 进化计算的对比研究 |
46-48 |
|
第6章 进化计算与神经网络 |
48-66 |
|
6．1 前馈神经网络的结构和学习算法 |
48-51 |
|
6．2 网络的泛化能力 |
51-52 |
|
6．3 多层前向神经网络的设计 |
52-54 |
|
6．4 进化的神经网络 |
54-65 |
|
本章小结 |
65-66 |
|
结束语 |
66-67 |
|
致谢 |
67-68 |
|
参考文献 |
68-72 |
|
攻读硕士学位期间发表论文 |
72 |
|
| 【DOI】 | LunWen.ID:2.2008.386539 |
