發(fā)布時(shí)間：2021-02-10 04:52

　　在面向現(xiàn)代工程問題的優(yōu)化模型研究中,許多實(shí)際問題最后都抽象成了“產(chǎn)量最大”、“成本最低”、“效益最好”等優(yōu)化問題,這些問題歸根到底都是一些極值求取問題,因此如何快速準(zhǔn)確的求得最優(yōu)極值是個(gè)十分重要的問題。隨著科學(xué)技術(shù)的快速發(fā)展以及生產(chǎn)工具的不斷改進(jìn),最優(yōu)極值的求取過程變得越來越復(fù)雜,其中就有一類非線性問題,這類問題的函數(shù)非常復(fù)雜甚至難以用數(shù)學(xué)函數(shù)表示出來,已知的條件只有一些離散的輸入輸出數(shù)據(jù),單靠這些數(shù)據(jù)難以得到問題的極值,并且這類問題常常還會(huì)存在多個(gè)局部極值,因此很難求得問題的最優(yōu)極值以及取得極值的條件。針對(duì)這類問題,本文提出了正弦自適應(yīng)遺傳算法雙重優(yōu)化BP網(wǎng)絡(luò)的極值求取算法,并采用VC++和MATLAB混合編程技術(shù)開發(fā)了一個(gè)非線性函數(shù)極值求取系統(tǒng)。論文的研究?jī)?nèi)容和創(chuàng)新點(diǎn)主要有以下幾個(gè)方面:1.分析了非線性函數(shù)極值求取問題的研究現(xiàn)狀和最優(yōu)化理論,對(duì)BP神經(jīng)網(wǎng)絡(luò)和遺傳算法的結(jié)構(gòu)以及特點(diǎn)進(jìn)行了探究。2.利用BP神經(jīng)網(wǎng)絡(luò)的擬合預(yù)測(cè)能力和遺傳算法（GA）的全局尋優(yōu)能力,給出了正弦自適應(yīng)遺傳算法（SAGA）雙重優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的最優(yōu)極值求取算法。算法以BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練擬合問題函數(shù)為中心,并根據(jù)遺... 

【文章來源】：山東師范大學(xué)山東省

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

VC++和MATLAB混合編程方法

山東師范大學(xué)碩士學(xué)位論文14繼續(xù)向下執(zhí)行。3.選擇操作：根據(jù)第二步計(jì)算的個(gè)體適應(yīng)度值來淘汰種群中適應(yīng)度值低的個(gè)體，保留適應(yīng)度值高的個(gè)體。4.交叉操作：種群中的兩個(gè)個(gè)體之間可以進(jìn)行相互交叉操作，其目的是產(chǎn)生新個(gè)體，探索新的解空間。5.變異操作：目的是保持種群的多樣性。通過選擇、交叉和變異等操作，產(chǎn)生了新的種群P(t=1)。6.計(jì)算適應(yīng)度值。7.判斷遺傳是否終止：如果t≤T并且適應(yīng)度值不滿足終止條件，那么t=t+1，跳轉(zhuǎn)到步驟4開始新的一輪遺傳；如果t>T或者適應(yīng)度值滿足終止條件，那么遺傳終止。圖2-2遺傳算法流程圖

山東師范大學(xué)碩士學(xué)位論文17變，直到誤差達(dá)到最校應(yīng)該從兩個(gè)角度去分析網(wǎng)絡(luò)的掌握過程，即系統(tǒng)的正方向傳輸信號(hào)反饋的反向傳輸，輸入信息是通過隱含層慢慢到達(dá)輸出層，當(dāng)信號(hào)產(chǎn)生一定誤差時(shí)，就會(huì)由輸出層通過隱含層逐步往回傳輸?shù)竭_(dá)輸入層；當(dāng)期望輸出和真實(shí)輸出不一致時(shí)，誤差就會(huì)進(jìn)行反方向傳輸，其計(jì)算原則是盡力降低真實(shí)誤差和計(jì)算誤差相減后的數(shù)值。輸出信號(hào)每次經(jīng)過隱含層流入輸入層時(shí)，連接權(quán)值都會(huì)進(jìn)行修正，如此往復(fù)多次，使得誤差逐漸減少，系統(tǒng)越來越準(zhǔn)確，一直到誤差滿足要求為止。2.3.1BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)BP神經(jīng)網(wǎng)絡(luò)是一種單向傳播的系統(tǒng)模式，圖2-3所示為BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖，其主要包括輸出層、隱含層和輸入層三個(gè)層次，其中隱含層又可以分為多個(gè)層次。網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)從輸入層輸入，流經(jīng)隱含層最后從輸出層輸出，在這三個(gè)層次中最復(fù)雜層次是隱含層，它具有不受數(shù)量限制的層數(shù)以及每層的節(jié)點(diǎn)數(shù)，并且隱含層部分和輸出層部分之間的函數(shù)關(guān)系可以是線性的。BP神經(jīng)網(wǎng)絡(luò)不同層位之間是通過連接全相連接的，并且節(jié)點(diǎn)之間相互獨(dú)立不會(huì)產(chǎn)生相互關(guān)系[35]，其中Sigmoid函數(shù)是BP神經(jīng)網(wǎng)絡(luò)最普遍使用的激活函數(shù)。圖2-3三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

【參考文獻(xiàn)】：
期刊論文
[1]橋梁極值應(yīng)力的貝葉斯動(dòng)態(tài)耦合線性預(yù)測(cè)[J]. 樊學(xué)平,尚志鵬,劉月飛.  同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(03)
[2]函數(shù)最優(yōu)極值問題的組合優(yōu)化求解[J]. 吳曉進(jìn).  內(nèi)蒙古師范大學(xué)學(xué)報(bào)(自然科學(xué)漢文版). 2017(06)
[3]基于遺傳算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的頁巖氣產(chǎn)量遞減預(yù)測(cè)模型[J]. 田亞鵬,鞠斌山.  中國(guó)科技論文. 2016(15)
[4]基于改進(jìn)PSO算法的函數(shù)極值尋優(yōu)研究[J]. 楊娜,荊園園.  計(jì)算機(jī)仿真. 2015(09)
[5]Visual C++調(diào)用MATLAB函數(shù)庫的混合編程技術(shù)[J]. 徐治.  軟件. 2015(02)
[6]VC++和MATLAB混合編程的新應(yīng)用[J]. 左明成,武云.  計(jì)算機(jī)技術(shù)與發(fā)展. 2014(12)
[7]Visual C++與Matlab混合編程方法的對(duì)比分析研究[J]. 羅朝明,胡順超,鄧日曉,陶揚(yáng)威,吳祥營(yíng).  現(xiàn)代電子技術(shù). 2013(20)
[8]基于改進(jìn)自適應(yīng)遺傳算法的MIMO雷達(dá)陣列優(yōu)化[J]. 梁浩,李小波,徐旭宇.  微波學(xué)報(bào). 2013(04)
[9]C#與Matlab混合編程在預(yù)警系統(tǒng)中的應(yīng)用[J]. 蔣順業(yè),蘭洋.  軟件. 2013(04)
[10]基于Matlab混合編程的海上溢油仿真系統(tǒng)的研究[J]. 包敬海.  軟件. 2012(07)

博士論文
[1]遺傳算法適應(yīng)值曲面及遺傳算法困難度分析[D]. 李建武.天津大學(xué) 2003

碩士論文
[1]遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)在推薦系統(tǒng)中的應(yīng)用研究[D]. 劉瑩.東北財(cái)經(jīng)大學(xué) 2017
[2]基于遺傳神經(jīng)網(wǎng)絡(luò)算法的基坑土體參數(shù)反演和基坑沉降預(yù)測(cè)研究[D]. 崔宇鵬.山東大學(xué) 2017
[3]Visual Studio 2010與Matlab混合編程的研究及其在BCI系統(tǒng)中的應(yīng)用[D]. 陳旭寧.山東師范大學(xué) 2017
[4]基于遺傳算法優(yōu)化BP網(wǎng)絡(luò)的碼垛機(jī)器人逆解研究[D]. 張?chǎng)锡?西安建筑科技大學(xué) 2016
[5]基于SVM的薄板坯連鑄漏鋼預(yù)報(bào)系統(tǒng)研究[D]. 尹少峰.燕山大學(xué) 2013
[6]基于遺傳算法的前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化[D]. 王磊.東北石油大學(xué) 2013
[7]基于混合動(dòng)態(tài)規(guī)劃的集裝箱裝船順序優(yōu)化[D]. 邊展.大連海事大學(xué) 2012
[8]基于神經(jīng)網(wǎng)絡(luò)的Jiles-Atherton磁滯模型的實(shí)現(xiàn)[D]. 楊延菊.華北電力大學(xué) 2012
[9]基于BP算法的大學(xué)生心理預(yù)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 彭秋連.暨南大學(xué) 2011
[10]數(shù)據(jù)挖掘在OPGW選型中的應(yīng)用[D]. 張渝.華北電力大學(xué)（北京） 2011



本文編號(hào)：3026809