[基于遗传算法和神经网络的因素分析法研究]姚建辉

【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.
———— 文字由OCR识别(未校验)，可能存在错字；请以原始完整版为准。