遺傳算法與小波神經(jīng)網(wǎng)絡(luò)中若干問(wèn)題的研究.pdf

1、本文對(duì)遺傳算法、小波神經(jīng)網(wǎng)絡(luò)中的若干問(wèn)題進(jìn)行了深入研究并提出了一系列解決這些問(wèn)題的方法.首先,研究了傳統(tǒng)遺傳算子的功能完善問(wèn)題.定義了遺傳算法中群體的多樣性測(cè)度和成熟度的概念,對(duì)三種傳統(tǒng)遺傳算子的作用從理論上進(jìn)行了定量分析,在此基礎(chǔ)上,提出了一種能彌補(bǔ)傳統(tǒng)算子不足的新遺傳算子——擴(kuò)散算子,利用模擬退火的思想給出了擴(kuò)散概率的計(jì)算公式.仿真結(jié)果與理論分析的結(jié)論均表明了這種擴(kuò)散式遺傳算法具有更理想的尋優(yōu)性能.其次,研究了遺傳算法的預(yù)防成熟前收

2、斂問(wèn)題.分析了遺傳算法成熟前收斂的形成原因并介紹了一般的預(yù)防策略,在對(duì)模式的樣本分布特點(diǎn)進(jìn)行討論后,提出了一種基于均勻分割的多種群并行遺傳算法,并證明了該方法在不影響收斂速度的前提下具有發(fā)生成熟前收斂的概率呈指數(shù)級(jí)下降的優(yōu)點(diǎn).仿真結(jié)果證實(shí)了該算法在處理復(fù)雜的多峰值優(yōu)化問(wèn)題時(shí)預(yù)防成熟前收斂的效果非常明顯.再其次,研究了提高遺傳算法的收斂精度問(wèn)題.基于動(dòng)態(tài)編碼的思想提出了一種變焦遺傳算法,該算法在不增加編碼長(zhǎng)度和擴(kuò)大種群規(guī)模的前提下,能不斷

3、儲(chǔ)存已多次迭代的信息并隨時(shí)納入新的基因,是處理高精度優(yōu)化問(wèn)題的理想方法.然后,研究了小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)優(yōu)化及穩(wěn)定性問(wèn)題.從理論上揭示了小波神經(jīng)網(wǎng)絡(luò)存在維數(shù)災(zāi)和魯棒性差的本質(zhì)原因,結(jié)合主成份分析的思想對(duì)網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行了改造,并由此提出了一種廣義小波神經(jīng)網(wǎng)絡(luò)(EWNN).網(wǎng)絡(luò)學(xué)習(xí)采用Oja算法,仿真結(jié)果表明該方法在控制網(wǎng)絡(luò)的規(guī)模及抗干擾性上比改造前的網(wǎng)絡(luò)都有了很大提高.隨后,研究了基于遺傳算法的小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)優(yōu)化問(wèn)題.針對(duì)EWNN,提出

4、了一種利用混合遺傳算法進(jìn)行結(jié)構(gòu)優(yōu)化的進(jìn)化小波網(wǎng)絡(luò).利用遺傳算法的全局最優(yōu)性在大范圍內(nèi)進(jìn)行搜索,再用Oja算法進(jìn)行快速的局部尋優(yōu),從而達(dá)到了全局尋優(yōu)與快速搜索的有機(jī)結(jié)合,由此訓(xùn)練的進(jìn)化小波網(wǎng)絡(luò)性能得到明顯提高.最后,研究了進(jìn)化FCM算法在故障診斷中的應(yīng)用問(wèn)題.提出了一種進(jìn)化FCM故障識(shí)別方法,該方法首先利用一種改進(jìn)的離散付氏變換方法提取故障特征,然后利用第二章的擴(kuò)散式遺傳算法與模糊C-均值(FCM)聚類(lèi)方法結(jié)合進(jìn)行故障識(shí)別.該方法通過(guò)離線