基于遺傳算法bp網(wǎng)絡(luò)

《基于遺傳算法bp網(wǎng)絡(luò)》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、-基于遺傳算法的BP網(wǎng)絡(luò)在梅雨量預(yù)測中的應(yīng)用孫承?劉全金（安慶市氣象臺246001）（安慶師范學(xué)院物理系246001）　摘要：?討論基于遺傳算法的BP網(wǎng)絡(luò)在安徽省安慶市區(qū)梅雨量預(yù)測中的應(yīng)用，對優(yōu)化BP網(wǎng)絡(luò)結(jié)構(gòu)和連接權(quán)的遺傳算法做了闡述。關(guān)鍵詞：遺傳算法BP網(wǎng)絡(luò)MATLAB?1遺傳算法?????遺傳算法簡稱GA（GeneticAlgorithm），是美國Michigan大學(xué)的JohnH.Holland教授創(chuàng)建，由生物進(jìn)化思想啟發(fā)而得出的一種具有全局搜索能力的算法。它模擬自然界物競天擇、適者生存，通過選擇(selection)、交叉(crossover)和變

2、異(mutation)等操作，產(chǎn)生新一代適應(yīng)力更強的群體（如圖1所示）。群體初始化將一組待優(yōu)化的量值（基因）放在向量中作為一個色體（個體），在優(yōu)化對象的取值范圍內(nèi)隨機地生成一組染染色體（第一代群體）。?????根據(jù)實際問題設(shè)定染色體適應(yīng)度（fitness）函數(shù)，適應(yīng)值越高，表示.---該染色體的適應(yīng)能力越強。?????為了防止遺傳算法后期染色體適應(yīng)值差別變小，優(yōu)秀染色體優(yōu)勢減弱，導(dǎo)致群體進(jìn)化停滯，在適應(yīng)度函數(shù)中引入模擬退火思想對適應(yīng)值進(jìn)行拉伸，如令（（為第i個染色體適應(yīng)值，T為溫度，T0為初始溫度，gen為遺傳代數(shù)），這樣有利于優(yōu)秀的染色體凸顯出來。??

3、???選擇操作是根據(jù)染色體適應(yīng)值占群體適應(yīng)值比重決定其選擇概率，適應(yīng)值越高的染色體，下一代群體中存在的數(shù)量就越多。選擇策略有適應(yīng)度.---比例法、排序選擇法、最佳個體保存法和期望值方法等。?????交叉操作從群體中隨機的選取兩個雙親染色體，按照某種規(guī)則進(jìn)行部分交換，生成兩個新染色體。新染色體的數(shù)量由交叉概率Pc決定。?????變異操作是按概率Pm隨機地對群體中的染色體按照某種規(guī)則做“基因突變”。重復(fù)以上操作，如果群體適應(yīng)值趨于穩(wěn)定（即連續(xù)幾代染色體平均適應(yīng)值的方差小于某極小值），或者遺傳代數(shù)達(dá)到預(yù)定的數(shù)值N就中止遺傳操作。2BP網(wǎng)絡(luò)?????BP網(wǎng)絡(luò)（B

4、ack-ProPagationNetwork）又稱反向傳播神經(jīng)網(wǎng)絡(luò)，通過樣本數(shù)據(jù)的訓(xùn)練，不斷修正網(wǎng)絡(luò)權(quán)值和閾值使誤差函數(shù)沿負(fù)梯度方向下降，逼近期望輸出。它是一種應(yīng)用較為廣泛的神經(jīng)網(wǎng)絡(luò)模型，多用于函數(shù)逼近、模型識別分類、數(shù)據(jù)壓縮和時間序列預(yù)測等。?????.---BP網(wǎng)絡(luò)由輸入層、隱層和輸出層組成，隱層可以有一層或多層，圖2是m×k×n的三層BP網(wǎng)絡(luò)模型，網(wǎng)絡(luò)選用S型傳遞函數(shù)，通過反傳誤差函數(shù)（（Ti為期望輸出、Oi為網(wǎng)絡(luò)的計算輸出），不斷調(diào)節(jié)網(wǎng)絡(luò)權(quán)值和閾值使誤差函數(shù)E達(dá)到極小。???BP網(wǎng)絡(luò)具有高度非線性和較強的泛化能力，但也存在收斂速度慢、迭代步數(shù)多、

5、易于陷入局部極小和全局搜索能力差等缺點?？梢韵扔眠z傳算法對“BP網(wǎng)絡(luò)”進(jìn)行優(yōu)化，在解析空間找出較好的搜索空間，再用BP網(wǎng)絡(luò)在較小的搜索空間內(nèi)搜索最優(yōu)解。3BP網(wǎng)絡(luò)的樣本模型???用灰色理論中建立等維新息模型的思想建立樣本模型，按（1）式選取已知樣本P和期望輸出T作為訓(xùn)練模型。?BP網(wǎng)絡(luò)的傳遞函數(shù)為S型，在訓(xùn)練前按（2）式對梅雨量做歸一化處理，使樣本數(shù)據(jù)在(0.1,0.9)之間。（2）????????????????????????????????????????????????????????.---?????1951-2002年梅雨量為樣本數(shù)據(jù)，從19

6、51年開始，每連續(xù)m年梅雨量為一組輸入樣本，對應(yīng)第m+1年的梅雨量為本組期望輸出，共生成52-m組樣本數(shù)據(jù)，后5組樣本為測試樣本，其余樣本為BP網(wǎng)絡(luò)學(xué)習(xí)樣本。4遺傳算法優(yōu)化BP網(wǎng)絡(luò)結(jié)構(gòu)???設(shè)置多輸入單輸出的三層BP網(wǎng)絡(luò)模型，其中輸入層m個神經(jīng)元，隱層k個神經(jīng)元，輸出層1個神經(jīng)元。用遺傳算法對BP網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行優(yōu)化。將BP網(wǎng)絡(luò)輸入層神經(jīng)元個數(shù)、隱層的神經(jīng)元個數(shù)、動量因子和初始學(xué)習(xí)速率作為染色體遺傳基因，取值范圍定為[2，20；2，50；0.001,0.999；0.001,0.99]。???MATLAB的trainbPx函數(shù)采用動量法和學(xué)習(xí)速率自適應(yīng)調(diào)整策略

7、訓(xùn)練網(wǎng)絡(luò)，函數(shù)返回參數(shù)是權(quán)值w、閾值b和誤差tr。設(shè)置染色體的適應(yīng)度函數(shù)???令交叉概率Pc=0.3、變異概率Pm=0.15，用MATLAB編寫遺傳程序，作選擇、交叉和變異操作，進(jìn)化到第1000代，得到BP網(wǎng)絡(luò)輸入層神經(jīng)元個數(shù)m、隱層的神經(jīng)元個數(shù)n、動量因子mc、初始學(xué)習(xí)速率lr為：9.686、19.991、0.015、0.985。所以，設(shè)置BP網(wǎng)絡(luò)結(jié)構(gòu)為10×20×1。5遺傳算法優(yōu)化BP網(wǎng)絡(luò)連接權(quán)5.1?染色體編碼和初始化???采用實數(shù)編碼遺傳算法優(yōu)化BP網(wǎng)絡(luò)的連接權(quán)值。對應(yīng)9×18×1的BP網(wǎng)絡(luò)結(jié)構(gòu)，將BP網(wǎng)絡(luò)權(quán)值和閾值這199實數(shù)基因依次排列組成行

8、向量（即染色體），在[-1，1]范圍內(nèi)隨機生成100個染色體，形成第1代群體。5