| 【中文题名】 | 改进型遗传算法及其在神经网络参数优化中的应用 |
| 【英文题名】 | |
| 【学科专业】 | 电力电子与电力传动 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2004-10-18 |
| 【中关键词】 | 人工神经网络,遗传算法,自动舵,计算机仿真,, |
| 【英关键词】 | artificial neural networks,genetic algorithm,autopilot,computer simulation, |
| 【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】 | 本论文来源于上海市高等学校科学技术发展基金项目——船舶航向集成智能控制技术研究。作者参与此课题的研究并撰写了该论文。
船舶航向自动控制系统亦称为自动舵，它是船舶系统中一个不可缺少的重要设备，从历史的角度来看自动舵的出现是减轻驾驶人员的工作强度，降低运输成本，提高运输的安全性和经济效益。随着控制技术不断完善，工程技术人员把控制技术引入航向控制之中建立了以PID为控制器的航向控制系统并取得良好的效果。但是由于船舶航行的复杂性和PID控制器本身的局限性，常规的PID自动舵仍然存在着许多不足之处。
本文的研究的目的是对标准遗传算法进行了改进，并将这种改进型遗传算法应用于神经网络的参数优化。其目标为改善BP算法和标准遗传算法在优化神经网络参数的过程中存在的一些不足。并将这种改进型算法应用于自动舵的神经网络控制器的参数优化。
本文研究是从以下几个方面着手：
1．在论文的开始，阐述了人工神经网络的基本知识，介绍了常用的BP算法并分析其不足。
2．阐述了标准遗传算法的基本知识，并将其用于一个多峰值函数的求极值问题。
3．针对标准遗传算法的缺点，提出了一种... |
| 【论文题纲】 |
|
第一章 引言 |
9-16 |
|
1.1 自动舵的起源、发展 |
9 |
|
1.2 自动舵的基本工作原理 |
9-10 |
|
1.3 传统控制自动舵技术的发展 |
10-14 |
|
1.3.1 经典控制的自动舵 |
10-12 |
|
1.3.2 自适应舵技术的发展 |
12-14 |
|
1.4 智能技术在自动舵设计中的应用 |
14-15 |
|
1.5 本文主要工作的简介 |
15-16 |
|
第二章 人工神经网络基本知识 |
16-28 |
|
2.1 人工神经网络简述 |
16-18 |
|
2.1.1 人工神经网络的产生与发展 |
16 |
|
2.1.2 人工神经网络的特点 |
16-17 |
|
2.1.3 人工神经网络的分类 |
17 |
|
2.1.4 人工神经网络的广泛应用 |
17-18 |
|
2.2 人工神经元模型 |
18-19 |
|
2.3 人工神经网络的运行过程 |
19-21 |
|
2.4 人工神经网络的学习算法 |
21-26 |
|
2.4.1 前向多层神经网络的BP学习算法 |
21-24 |
|
2.4.2 BP网络学习算法的改进 |
24-26 |
|
2.5 遗传算法与人工神经网络的结合 |
26-28 |
|
第三章 遗传算法理论 |
28-42 |
|
3.1 遗传算法的产生与发展 |
28-29 |
|
3.1.1 遗传算法概述 |
28 |
|
3.1.2 遗传算法的基本思想 |
28-29 |
|
3.1.3 遗传算法的特点 |
29 |
|
3.2 遗传算法的定理与假设 |
29-32 |
|
3.2.1 模式定理 |
30-31 |
|
3.2.2 积木块假设 |
31-32 |
|
3.2.3 欺骗问题 |
32 |
|
3.3 遗传算法应用设计 |
32-41 |
|
3.3.1 编码问题 |
32-33 |
|
3.3.2 适应度函数 |
33-35 |
|
3.3.3 选择问题 |
35-37 |
|
3.3.4 交叉／基因重组运算 |
37-39 |
|
3.3.5 变异运算 |
39-40 |
|
3.3.6 主要参数的选择 |
40-41 |
|
3.4 遗传算法的应用情况 |
41-42 |
|
第四章 改进型遗传算法的提出及其在神经网络参数优化中的应用 |
42-50 |
|
4.1 标准遗传算法及其应用实例 |
42-44 |
|
4.1.1 标准遗传算法的基本操作 |
42 |
|
4.1.2 标准遗传算法运算过程 |
42-43 |
|
4.1.3 应用实例 |
43-44 |
|
4.2 改进型遗传算法 |
44-49 |
|
4.2.1 标准遗传算法的改进 |
45 |
|
4.2.2 算法描述 |
45-46 |
|
4.2.3 改进型遗传算法的主要操作 |
46-48 |
|
4.2.4 改进型遗传算法性能分析 |
48-49 |
|
4.3 神经网络参数的优化 |
49-50 |
|
第五章 两种遗传算法在解决连续异或问题中的比较和分析 |
50-69 |
|
5.1 用神经网络解决连续异或问题 |
50-51 |
|
5.2 用标准遗传算法优化网络参数 |
51-59 |
|
5.2.1 标准遗传算法的优化步骤 |
51-52 |
|
5.2.2 进化结果 |
52-59 |
|
5.3 用改进型遗传算法优化网络参数 |
59-66 |
|
5.3.1 改进型遗传算法的优化步骤 |
59-60 |
|
5.3.2 进化结果 |
60-66 |
|
5.4 仿真结果分析 |
66-69 |
|
第六章 改进型遗传算法在船舶航向神经网络控制器中的应用 |
69-76 |
|
6.1 船舶航向控制的数学模型 |
69-70 |
|
6.2 PID自动舵的的设计 |
70-73 |
|
6.3 船舶航向控制神经网络控制器的设计 |
73-76 |
|
6.3.1 神经网络控制方案 |
73-74 |
|
6.3.2 神经网络控制器 |
74-76 |
|
第七章 总结与展望 |
76-78 |
|
7.1 本文的主要研究工作总结 |
76 |
|
7.2 进一步的研究和展望 |
76-78 |
|
致谢 |
78-79 |
|
参考文献 |
79-82 |
|
| 【DOI】 | LunWen.ID:2.2008.387141 |
