【基於遗传算法和神经网络的因素分析法研究】姚建辉.pdf

摘要本文应用遗传算法(GA:GeneticAlgorithm)和人工神经网络(Artificial NeuralNetwork)的理论,重点研究了基于遗传算法和通用回归神经网络的因素分析法的原理和实际应用.本文首先从遗传算法的理论基础一模式理论和基因块假设入手,从遗传算法的设计角度系统地分析了编码设计、适应度函数的设计、遗传算子的设计、控制参数的设计方法,给出了一些一般性的结论。然后从模式的破坏性和构造性角度上对遗传算法中的杂交算子、变异算子在遗传算法中的作用进行了分析,得出了杂交算子和变异算子的一些本质特性。

目录第一章绪论生物进化和遗传算法 1遗传算法的描述 1遗传算法的特点、研究内容及其前景 1遗传算法的特点,1遗传算法的研究内容及其前景 1全文安排第二章遗传算法基础GA的理论基础—模式定理 2模式(schema)2模式定理(schematheorem)2基因块假设(gene blockhypothesis)2问题的表示一编码(CODING)技术和适应度函数 2编码(译码)评估规则2各种编码技术 2适应度函数,2遗传操作一选择、杂交、变异2.

基于遗传算法和神经网络的因素分析法的研究第一章绪论遗传算法(GeneticAlgorithm)是一类通过模拟生物界自然选择和自然遗传机制的随机化搜索算法,由美国J.Holland教授提出口,其特点是群体搜索策客和群体中个体之间的信息交换,搜索不依赖于梯度信息。它尤其适用于处理传统搜索方法难于解决的复杂和非线性问题,可广泛用于组合优化、机器学习、自适应控制、规划设计和人工生命等领域,是21世纪有关智能计算中的关键技术之一.本章首先从生物进化开始来介绍遗传算法的一般过程、特点、研究内容和发展前景.1.