煮糖结晶过程神经网络模型的混合遗传算法设计

摘要

该文初步研究和分析了多种学习算法在训练神经网络时所遇到的问题,并重点介绍了 一种全局优化算法--遗传算法在寻优搜索时各个环节(编码、选择策略、交叉、变异等)的作用及其基本参数(群体规模、交叉率、变异率)的选择对算法性能的影响.

目录

文摘

英文文摘

符号说明

第一章绪论

1.1引言

1.2人工神经网络的发展与现状

1.3人工神经网络的特点及其应用领域

1.4遗传算法的发展与现状

1.5遗传算法的特点及其应用领域

1.6人工神经网络与遗传算法的结合

1.7本文主要研究内容

第二章前馈型人工神经网络基本原理

2.1前馈神经网络模型及其学习算法

2.2系统建模

2.3仿真研究

第三章遗传神经网络训练算法

3.1遗传算法基本原理

3.2遗传算法的实现问题

3.3基于神经网络的遗传学习算法

3.4仿真研究

第四章改进的神经网络并行混合遗传算法

4.1单纯形法

4.2并行的概率单纯形法

4.3改进的混合遗传训练算法

4.4仿真研究

第五章煮糖结晶神经网络模型的遗传程序设计与实现

5.1神经网络系统设计图

5.2结晶过程神经网络模型的建立

5.3用改进的Simplex-BP-GA混合遗传算法进行优化

5.4仿真结果

第六章结论与展望

参考文献

致谢

攻读学位期间发表的学术论文

附录