遗传算法与神经网络的结合

第２９卷第５期　２０１１年１Ｏ月　轻工机械　ＬＪｇ／￣ｔ／ｎｄｕｓｔｒｙＭａｃ／￣ｎｅｒｙ　Ｖ０１．２９　Ｎｏ．５　０ｃｔ．２Ｏ儿　

［研究・设计］　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００５－２８９５．２０１１．０５．００８　

基　神经网络和遗传算法的厘＝　枫　

调节螺糈优　设　

李绘超，王杰，唐鹏　

（９）Ｉ１大学制造科学与工程学院，四川成都６１００６５）　

摘要：强度和质量是压力机调节螺杆主要性能指标。将神经网络和遗传算法结合起来，可以很好地对调节螺杆结构进　行多目标优化设计。文章首先建立了调节螺杆有限元分析模型，然后应用正交试验方法对神经网络的训练样本进行试　验安排．并建立出设计参数与最大应力、质量映射关系的神经网络模型。利用遗传算法对该神经网络模型进行全局寻　优，得到调节螺杆的最优结构参数。图４表３参９　关键词：机械设计；调节螺杆；有限元；神经网络；遗传算法　中图分类号：ＴＨ１３２　文献标志码：Ａ　文章编号：１００５－２８９５（２０１１）０５－００３１－０４　

Ｏｐｔｉｍｉｚａｔｉｏｎ　Ｄｅｓｉｇｎ　ｏｆ　ａ　Ｐｒｅｓｓ　Ｓ　Ａｄｊｕｓｔａｂｌｅ　Ｓｃｒｅｗ　Ｂａｓｅｄ　ｏｎ　

Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ　ａｎｄ　Ｇｅｎｅｔｉｃ　Ａｌｇｏｒｉｔｈｍ　

Ｕ　Ｈｕｉ．ｃｈａｏ，ＷＡＮＧ　Ｊｉｅ，ＴＡＮＧ　Ｐｅｎｇ　

（Ｓｃｈｏｏｌ　ｏｆ　Ｍａｎｕｆａｃｔｕｒｉｎｇ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｉｅｈｕａｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ　６１００６５，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｓｔｒｅｎｇｔｈ　ａｎｄ　ｍａｓｓ　ａｒｅ　ｔｈｅ　ｍａｊｏｒ　ｐｅｒｆｏｒｍａｎｃｅ　ｐａｒａｍｅｔｅｒｓ　ｏｆ　ｔｈｅ　ｐｒｅｓｓ，ｓ　ａｄｊｕｓｔａｂｌｅ　ｓｃｒｅｗ．Ｔｈｅ　ｍｕｌｔｉ—　

ｏｂｊｅｃｔｉｖｅ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｏｆ　ｔｈｅ　ａｄｊｕｓｔａｂｌｅ　ｓｃｒｅｗ　ｓｔｒｕｃｔｕｒｅ　ｃａｎ　ｂｅ　ｐｅｒｆｏｒｍｅｄ　ｂｙ　ａ　ｍｅｔｈｏｄ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｉｎ　

基于遗传算法的BP神经网络算法

基于遗传算法的BP神经网络算法是一种将遗传算法与BP神经网络相结合的机器学习算法。BP神经网络是一种具有自适应学习功能的人工神经网络，它通过反向传播算法来不断调整网络的权重和阈值，从而实现对样本数据的学习和预测。

遗传算法是一种模拟生物进化过程的优化算法，它通过选择、交叉和变异等操作来产生下一代的优秀个体，从而逐步寻找到最优解。在基于遗传算法的BP神经网络算法中，遗传算法用于优化BP神经网络的初始权重和阈值，以提高网络的学习和泛化能力。

1.初始化个体群体：随机生成一组个体，每个个体代表BP神经网络的初始权重和阈值。

2.适应度评估：使用生成的个体来构建BP神经网络，并使用训练数据进行训练和验证，评估网络的适应度，即网络的性能指标。

3.选择操作：根据个体的适应度值确定选择概率，选择一些适应度较高的个体作为父代。

4.交叉操作：从父代中选择两个个体，通过交叉操作生成两个新的子代个体。

5.变异操作：对新生成的子代个体进行变异操作，引入一定的随机扰动，增加种群的多样性。

6.替换操作：根据一定的替换策略，用新生成的子代个体替代原来的父代个体。 7.终止条件判断：根据预先设定的终止条件（如达到最大迭代次数或达到一些适应度值阈值）判断是否终止算法。

8.返回结果：返回适应度最高的个体，即最优的BP神经网络参数。

然而，基于遗传算法的BP神经网络算法也存在一些缺点。首先，算法的收敛速度较慢，需要较长的时间进行优化。其次，算法需要设置一些参数，如种群大小、交叉概率和变异概率等，不同的参数组合可能对算法的性能产生较大影响，需要经过一定的试错过程。

综上所述，基于遗传算法的BP神经网络算法是一种结合了两种优化方法的机器学习算法，能够有效提高BP神经网络的学习和泛化能力。同时，也需要在实际应用中根据具体情况选择合适的参数设置和终止条件，以获得更好的算法性能。

一　嬗勘测　设计　结合改进的遗传算法的ＢＰ人工神经网络岩爆预测研究　．胡德福　（中铁四院集团广州设计院有限公司广州５１０６００）　【摘要】首先对ＢＰ人工神经网络模型进行设计，确定网络的结构及参数。鉴于ＢＰ人工神经网络的相　关不足，将遗传算法与ＢＰ神经网络结合起来，运用遗传算法优化ＢＰ神经网络的阈值，使得预测更为精　确。随后结合实际工程，检验ＢＰ人工神经网络预测程序的可靠性。　【关键词】ＢＰ人工神经网络遗传算法ｍａｔｌａｂ岩爆预测　１　ＢＰ人工神经网络拓扑的确定　埋藏较深的地下工程，在高应力、脆性岩体　中，由于施工爆破扰动原岩，岩体受到破坏，使掌　子面附近的岩体突然释放出潜能，产生脆性破坏，　这时围岩表面发生爆裂声，随之有大小不等的片　状岩块弹射剥落出来，这种现象称之为岩爆。目　前岩爆判据的理论基础，主要包括：强度理论、能　量理论、刚度理论、冲击倾向性理论等。各位专家　在这些理论的基础上，分别都提出了不同的岩爆　预测方法。例如，Ｒｕｓｓｅｎｅ判据、王汉元判据、陶振　宇判据、陆家佑判据、以及波兰学者Ｋｉｄｙｂｉｎｓｋｉ提　出的能量提出的判据等等。综合各位专家分析岩　爆的方法，总结归纳大致考虑到以下几个因素，岩　石单轴抗压强度　、抗拉强度　、弹性能量指数Ｗ　和切向应力　。。或考虑其中一种，或考虑几种的　组合。本文通过分析得出，这四个因素（均为开挖　后实测数据）既考虑了围岩特性（抗压强度　、抗　拉强度　、弹性能量指数ｗ。　为诱发岩爆的内在因　素），又考虑围岩中的地应力水平（岩爆发生的外在　因素）为表征，仃。既可反映围岩中初始地应力水平，　又可反映地下空间形状和尺度的影响）。这四个　数据能较好的反应岩爆内外两方面的条件。由此　以　｛玎Ｊ　。）、岩石单ｊ　。／ｏ－　）、以及弹　＿瞄■铁道勘　经网络的输入层神经元。并结合ＢＰ人工神经网　络的自身特点，确定其网络结构为三层，分别为，　输入层，隐含层，输出层。由上可知，输入层个数　为三。通过编制程序试算并结合相关经验公式，　确定隐含层个数为七。结合岩爆这一特殊地质灾　害的预测特点，我们将输出层定义为：严重岩爆时　网络输出为（１，１），中等岩爆时网络输出为（１，Ｏ），　弱岩爆时网络输出为（Ｏ，１），无岩爆时网络输出为　（０，０）。因此输出层节点数为２。至此，确定ＢＰ　人工神经网络的网络拓扑结构为３—７—２。　２传统遗传算法的改进　ＧＡ的缺点在于收敛到一定程度的时候，通过　交叉、变异算子产生更高适应性的个体的概率显著　降低，从而收敛速度受到制约，无法精确地确定最　优解的位置，即局部搜索空间小具各微调的能力等。　因此，本文提出一些改进的方法。　这里加入了小生境遗传算法。采用小生境　遗传算法将交叉过后产生的子代与交叉前的父　本四个样本放在一起进行评价。得出各自的适　应度值并排序。取排在前俩位的染色体进入下　一代。这样即使没有采用最优保存。由于每次　都采取排在前俩位的染色体进入下一代。所以　无论如何都能保证最优染色体或是进化的最优　染色体在种群当中。并且采用小生境遗传算法　

第２９卷第４期　２００７年７月　海　洋　学　报　ＡＣＴＡ　０ＣＥＡＮ０ＬｏＧＩＣＡ　ＳＩＮＩＣＡ　ＶｏＩ．２９。Ｎｏ．４　Ｊｕｌｙ　２００７　

遗传算法与神经网络相结合的热带气旋　强度预报方法试验　

姚　才　，金　龙　，黄明策　，黄小燕。　（１．广西气象减灾研究所，广西南宁５３００２２；２．广西气象台，广西南宁５３００２２；３．广西南宁市气象局，广西南宁　５３００２２）　摘要：以１９６０￣２００１年共４１　ａ的７月和８月西行进入南海海域的热带气旋样本为基础，采用遗传　算法与神经网络相结合的方法，进行了热带气旋强度预报模型的预报建模研究．并根据相同的热带　气旋个例，将这种遗传一神经网络热带气旋强度预报模型与气候持续法热带气旋强度预报方法进行　对比分析，试验预报结果表明，遗传一神经网络方法具有更好的预报能力．　关键词：遗传算法；神经网络；热带气旋；强度预报　中图分类号：Ｐ７３２．３　文献标识码：Ａ　文章编号：０２５３—４１９３（２００７）０４—００１１－０９　

１　引言　热带气旋的强度和路径变化既与其自身的特征　有关，也与环境场天气系统、下垫面状况、上下层气　流以及不同尺度运动相互作用相联系，具有复杂而　显著的非线性变化特征，一直是热带气旋研究和业　务预报的重点和难点问题．近年来，随着数值天气预　报模式的发展和卫星资料的应用，热带气旋强度和　路径的研究取得了很多的成果Ｄ－ｓ］，一些动力模式　和统计一动力相结合的预报方法在移动路径业务预　报中也获得一定的成功和改进　］．相对而言，强度变　化的预报比简单的ＰＣ法改进不大”．目前，国内外　多种热带气旋强度客观业务预报方法仍然是以统计　预报为基础的．Ｅｌｓｂｅｒｒｙ等　ｊ，Ｍａｒｋ和Ｊｏｈｎ　用统　计方法建立了热带气旋中心最大风速的回归方程．　薛秋芳等［９３利用欧洲中心２．５×２．５网格点资料计　算台风中心及其周围的物理量，并用这些物理量的　均值作为因子建立了一组客观定量的台风强度变化　的回归方程，并在中央台投入业务应用，２４　ｈ的平　均预报误差为５．３　ｍ／ｓ．冯利华ＥｌＯ］利用模型叠加法　进行了登陆台风强度的预报试验．上海台风所也于　２００４年将所建立的统计释用和气候持续法方程投　入业务使用，平均预报误差分别是６．８　ｍ／ｓ和５．４　ｍ／ｓ．可见气候持续法具有较高的预报精度，但它的　预报误差仍大于同年中央气象台业务预报４．２　ｍ／ｓ　的平均误差，不过前者为客观预报结果．　然而，由于目前的热带气旋强度客观预报方法，　大多是以线性回归方法为主，因此，针对热带气旋显　著的非线性变化特征，进行热带气旋强度的非线性　客观预报方法研究，对热带气旋研究和客观业务预　报具有重要的意义．本文尝试采用遗传算法，同时优　化神经网络模型的连接权和网络结构的方法，通过　构造低维的神经网络模型学习矩阵，进行一种新的　热带气旋强度预报方法试验．　２遗传算法和神经网络方法主要原理　２．１神经网络方法简介　人工神经网络是２０世纪８０年代以来迅速兴起　的非线性科学，它涉及生物、计算机、数学和物理等　学科，有着十分广阔的应用前景＿ｌ　．该方法有很强　收稿日期：２００６－０５—０７；修订日期：２００７—０５—１２．　基金项目：广西科学研究与技术开发计划项目（桂攻关０３２２０２２—４）；国家科技部社会公益性研究专项（２００４ＤＩＢ３Ｊ１２２）．　作者简介：姚才（１９６３一），男，广东省雷州市人，高级工程师，从事海洋和气象灾害研究．Ｅ—ｍａｉｌ；ｇｘｙａｏｃａｉ＠１２６．ｃｏｒｎ