對(duì)人工神經(jīng)網(wǎng)絡(luò)和遺傳算法的認(rèn)識(shí)

對(duì)人工神經(jīng)網(wǎng)絡(luò)和遺傳算法的認(rèn)識(shí)基于飛灰含碳量的火電鍋爐燃燒優(yōu)化控制遺傳算法基本概念幾個(gè)名詞的認(rèn)識(shí)1、個(gè)體與種群2、適應(yīng)度與適應(yīng)度函數(shù)3、染色體與基因4、遺傳操作：選擇-復(fù)制、交叉、變異遺傳操作

遺傳算法的基本流程圖遺傳算法的一些參數(shù)控制1、群體規(guī)模2、最大換代數(shù)：3、交叉率：參加交叉運(yùn)算的染色體個(gè)數(shù)占全部染色體總數(shù)的比例，取值一般為0.4-0.994、變異率：發(fā)生變異的基因位數(shù)占全體染色體基因總數(shù)的比例，一般為0.0001-0.1遺傳算法的特點(diǎn)與優(yōu)勢(shì)1、直接在解空間搜索，相對(duì)于圖搜索能更早得到解。2、隨機(jī)的始于搜索空間的一個(gè)點(diǎn)集，是一種隨機(jī)搜索算法。3、遺傳算法總是在尋找最優(yōu)解，是一種優(yōu)化搜索算法。4‘遺傳算法是從空間的一個(gè)種群到另一個(gè)種群的搜索，是一種并行搜索，適合大規(guī)模并行計(jì)算，而且能夠跳出局部最優(yōu)解。遺傳算法的特點(diǎn)與優(yōu)勢(shì)5、遺傳算法適應(yīng)性強(qiáng)，除需知適應(yīng)的函數(shù)外幾乎不需要其他先驗(yàn)知識(shí)。6、遺傳算法長(zhǎng)于全局搜索，不受搜索空間的限制性假設(shè)的約束，所以能以很大的概率從離散的、多極值的、含有噪聲的高緯度問(wèn)題中找到全局最優(yōu)解。人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)（ANN），又稱神經(jīng)網(wǎng)絡(luò)，由具有適應(yīng)性的簡(jiǎn)單單元組成的廣泛并行互聯(lián)網(wǎng)絡(luò)，它的組織能夠模擬出生物神經(jīng)系統(tǒng)對(duì)真實(shí)世界物體鎖做出的交互反應(yīng)。人工神經(jīng)網(wǎng)絡(luò)是利用人工方式對(duì)生物神經(jīng)網(wǎng)絡(luò)的模擬。人工神經(jīng)網(wǎng)絡(luò)的特性1、并行分布處理：網(wǎng)絡(luò)具有良好的并行結(jié)構(gòu)和并行處理能力，因而具有較好的耐故障能力和總體處理能力2、非線性映射：適用于處理非線性問(wèn)題3、通過(guò)訓(xùn)練進(jìn)行學(xué)習(xí)：適用于那些數(shù)學(xué)模型或描述規(guī)則難以解決的問(wèn)題。4、適應(yīng)與集成：神經(jīng)網(wǎng)絡(luò)的強(qiáng)適應(yīng)和信息融合能力使得他可以同時(shí)輸入大量不同的控制信號(hào)，解決輸入信息的互補(bǔ)和冗余問(wèn)題，實(shí)現(xiàn)信息集成和信息融合神經(jīng)網(wǎng)絡(luò)研究的局限性1、ANN研究受到腦科學(xué)研究成果的限制2、ANN缺少一個(gè)完整、成熟的理論體系3、ANN研究帶有濃厚的策略和經(jīng)驗(yàn)色彩4、ANN與傳統(tǒng)技術(shù)的接口不成熟神經(jīng)元結(jié)構(gòu)與鏈接人腦神經(jīng)網(wǎng)絡(luò)是由神經(jīng)元突觸與樹(shù)突連接起來(lái)形成的。人工神經(jīng)網(wǎng)絡(luò)是由基本處理單元及其互連方法決定的。神經(jīng)元結(jié)構(gòu)與連接

M-P模型的六點(diǎn)特性1、每個(gè)神經(jīng)元都是一個(gè)多輸入單輸出的信息處理單元神經(jīng)元輸入分興奮性輸入和一致性輸入兩種類型2、神經(jīng)元具有空間整合特性和閾值特性3、神經(jīng)元之間連接方式有兩種，興奮性和抑制性突觸，其中抑制性突觸其否決作用4、每個(gè)輸入通過(guò)權(quán)值表征它對(duì)神經(jīng)元的耦合程度，無(wú)耦合則權(quán)值為05、突觸接頭上有時(shí)間延遲，以該延遲為基本時(shí)間單位，網(wǎng)絡(luò)的活動(dòng)過(guò)程可以離散化感知器模型特點(diǎn)1、一種具有單層計(jì)算單元的神經(jīng)網(wǎng)絡(luò)，即為感知器。2、感知器是一種前饋網(wǎng)絡(luò)，同層內(nèi)無(wú)互連，不同層間無(wú)反饋，由下層向上層傳遞。其輸入、輸出均為離散值，神經(jīng)元對(duì)輸入加權(quán)求和后，由閾值函數(shù)決定其輸出。3、單層感知器的結(jié)構(gòu)與功能都非常簡(jiǎn)單，但卻是其他網(wǎng)絡(luò)的基礎(chǔ)。4、在感知器中第一次引入了學(xué)習(xí)的概念，使之人腦所具備的學(xué)習(xí)功能在基于符號(hào)處理的數(shù)學(xué)模型