基于遗传算法的神经网络
【网学提醒】：本文主要为网上学习者提供基于遗传算法的神经网络，希望对需要基于遗传算法的神经网络网友有所帮助，学习一下吧!
资料包括： 论文(44页17925字) 源码 图纸
说明：
摘 要
小波变换具有时域局部特性和变焦特性，而神经网络具有自学习、自适应、鲁棒性、容错性和推广能力。把两者的优势结合起来形成了小波网络（Wavelet Neural Network, WNN）。小波神经网络是由小波理论支持的一种特殊的前向控制神经网络，兼有小波变换和神经网络两者的优势，是近似计算和预测领域广泛流行的工具。遗传算法和人工神经网络作为两个工具在众多的研究领域得到了广泛的应用，遗传算法和神经网络本身也得到很大发展。遗传算法体现了生物进化中的四个要素，即繁殖、变异、竞争和自然选择。在本篇论文，用遗传算法来构建和训练小波神经网络，以此来近似计算和进行预测。本文提出的遗传算法利用分级染色体对小波神经网络的结构和权值进行编码，遗传算法联合进化规则来构建和训练小波神经网络，同时对网络进行进化。最后用训练后得到的小波神经网络用于函数近似，体现小波神经网络良好的近似功能。
关键词 小波变换 小波神经网络 遗传算法 函数近似
Abstract
Wavelet Neural Network, WNN）The wavelet network has been introduced as a special feed-forward neural network supported by the wavelet theory,and has become a popular tool in the approximation algorithm,which combines the wavelet theory and feed-forward neural netword.. As two kinds of tools , genetic algorithms( GA )and artificial neural network get wide applications in many research areas,and there are many variation in thenselve. Genetic algorithms shows four elements of biologic evolution : propagation , variation , competition and natural selection. In this paper, an evolutionary algorithm is proposed for constructing and training the wavelet network for approximation and forecast. This evolutionary algorithm utilises the hierarchical chromosome to encode the structure and parameters of the wavelet network, and combines a genetic algorithm and evolutionary programming to construct and train the network simultaneously through evolution.In the end, wavelet neural network after being trained is used to approximation of function to performance good
approximation of function.
Keywords Wavelet transforms;Wavelet neural network;Genetic algorithms;
Approximation of function
目录：
摘 要I
AbstractII
第1章 绪论1
1.1 课题背景1
1.2 遗传算法的起源和发展1
1.3 小波神经网络的起源和发展2
1.4 遗传算法在神经网络中的应用2
1.5本文的主要研究内容3
第2章 遗传算法的相关理论3
2.1引言3
2.2遗传算法简介4
2.3 遗传算法的基本原理与方法5
2.3.1 编码5
2.3.2 选择6
2.3.3 交叉8
2.3.4 变异9
2.3.5 适应度函数9
2.3.6 控制参数选择10
2.4简单函数优化的实例12
2.5本章小结14
第3章 小波神经网络15
3.1人工神经网络15
3.1.1激活转移函数15
3.1.2前向神经网络16
3.2小波神经网络16
3.2.1小波变换17
3.2.2小波神经网络18
3.2.3小波神经网络的构建和学习19
3.3小波神经网络与常规神经网络的比较22
3.4本章小结22
第4章 基于遗传算法的小波网络的构建23
4.1简介神经网络的训练24
4.1.1网络联结权重的进化训练24
4.1.2 网络结构的进化设计24
4.2 层次染色体25
4.3基于阶层染色体的遗传进化算法的设计27
4.3.1设定初值28
4.3.2 性能评估28
4.3.3遗传算子29
第5章 仿真过程和结果分析31
5.1 函数逼近实验31
5.2仿真结果和实验分析32
结 论34
参考文献35
致谢37
毕业设计（论文）成绩评定表38
参考文献：
1． Yao X. A review of evolutionary artificial neural networks[J]. International Journal of Intelligent Systems, 1993, 8: 539 ～ 567
2． Peter J A, etal. An evolutionary algorithm that constructs recurrent neural networks[J]. IEEE Trans Neural Networks, 1994, 5(1): 54～65
3． Koza J R, Rice J P. Genetic generation of both the weights and architure for a neural network. International Joint Conference on Neuralworks, IJCNN -91-Seattle, 1991: 397～404
4．王小平，曹立明.遗传算法——理论、应用与软件实现.西安.西安交通大学出版社，2002.2,10～14、87～95
5．王洪元，史国栋.人工神经网络技术及其应用.北京.中国石化出版社.2002.10，71～91
6.彭玉华.小波变换与工程应用.北京.科学出版社,1999.9
7．李弼程，罗建书.小波分析及其应用。
8．阎平凡.张长水.人工神经网络与模拟进化计算.北京.清华大学出版社.2000.11,377～379,386～414
9．魏海坤.神经网络结构设计的理论和方法.北京. 国防工业出版社 2005
10．丛爽.面向MATLAB工具箱的神经网络理论和应用.合肥. 中国科技大学出版社 2003.5
13.雷英杰，张善文，李续武 .MATLAB遗传算法工具箱及应用.西安.西安电子科技大学出版社.2005.4
12.袁曾任.人工神经元网络及其应用.清华出版社.北京.1999.10
11． A ngeline P J. A n evo lut ionary algo rithm that con2 st ructs recurrent neural netwo rk s[J ]. IEEE T rans on NeuralN etwo rk s, 1994, 5 (2) : 54265.
作者点评：
神经网络和遗传算法都是借鉴生物个体或生物界的某些行为特征和结构属性而发展起来的人工智能理论方法，神经网络侧重于对生物个体学习智能的描述，遗传算法则是对生物界进化特征的模拟。因此，神经网络与遗传算法相结合， 必将表现出更加完备的智能特性。即这种结合不仅使神经网络同时具备了学习和进化性能，表现出更强的智能，而且可以解决神经网络设计和实现中存在的一些问题，使神经网络具有更优的性能。小波神经网络又是神经网络中性能较好的一种网络结构。本次设计选择遗传算法去优化小波神经网络，一方面体现了遗传算法优化小波神经网络使遗传算法的优越性，另一方面体现了小波函数的良好的函数逼近能力。
目前, 基于遗传算法的神经网络设计和实现已成为神经网络领域一个重要的研究和发展方向， 国内外学者在这方面已做了大量工作。但从总体上看这方面研究还处于初期阶段， 理论方法有待于完善规范，应用研究有待于加强提高。如目前的研究多基于具体事例，还没形成一般性的方法体系；计算量较大，进化进程需进一步提高，尤其是并行进化计算方法应受到重视；遗传算法理论本身(如编码表示方法、遗传算子、种群收敛性和多样性等) 有待于进一步完善和发展，神经网络与进化计算相结合的其它方式也有待于进一步研究和挖掘。
资料包括： 论文(44页17925字) 源码 图纸
说明：
摘 要
小波变换具有时域局部特性和变焦特性，而神经网络具有自学习、自适应、鲁棒性、容错性和推广能力。把两者的优势结合起来形成了小波网络（Wavelet Neural Network, WNN）。小波神经网络是由小波理论支持的一种特殊的前向控制神经网络，兼有小波变换和神经网络两者的优势，是近似计算和预测领域广泛流行的工具。遗传算法和人工神经网络作为两个工具在众多的研究领域得到了广泛的应用，遗传算法和神经网络本身也得到很大发展。遗传算法体现了生物进化中的四个要素，即繁殖、变异、竞争和自然选择。在本篇论文，用遗传算法来构建和训练小波神经网络，以此来近似计算和进行预测。本文提出的遗传算法利用分级染色体对小波神经网络的结构和权值进行编码，遗传算法联合进化规则来构建和训练小波神经网络，同时对网络进行进化。最后用训练后得到的小波神经网络用于函数近似，体现小波神经网络良好的近似功能。
关键词 小波变换 小波神经网络 遗传算法 函数近似
Abstract
Wavelet Neural Network, WNN）The wavelet network has been introduced as a special feed-forward neural network supported by the wavelet theory,and has become a popular tool in the approximation algorithm,which combines the wavelet theory and feed-forward neural netword.. As two kinds of tools , genetic algorithms( GA )and artificial neural network get wide applications in many research areas,and there are many variation in thenselve. Genetic algorithms shows four elements of biologic evolution : propagation , variation , competition and natural selection. In this paper, an evolutionary algorithm is proposed for constructing and training the wavelet network for approximation and forecast. This evolutionary algorithm utilises the hierarchical chromosome to encode the structure and parameters of the wavelet network, and combines a genetic algorithm and evolutionary programming to construct and train the network simultaneously through evolution.In the end, wavelet neural network after being trained is used to approximation of function to performance good
approximation of function.
Keywords Wavelet transforms;Wavelet neural network;Genetic algorithms;
Approximation of function
目录：
摘 要I
AbstractII
第1章 绪论1
1.1 课题背景1
1.2 遗传算法的起源和发展1
1.3 小波神经网络的起源和发展2
1.4 遗传算法在神经网络中的应用2
1.5本文的主要研究内容3
第2章 遗传算法的相关理论3
2.1引言3
2.2遗传算法简介4
2.3 遗传算法的基本原理与方法5
2.3.1 编码5
2.3.2 选择6
2.3.3 交叉8
2.3.4 变异9
2.3.5 适应度函数9
2.3.6 控制参数选择10
2.4简单函数优化的实例12
2.5本章小结14
第3章 小波神经网络15
3.1人工神经网络15
3.1.1激活转移函数15
3.1.2前向神经网络16
3.2小波神经网络16
3.2.1小波变换17
3.2.2小波神经网络18
3.2.3小波神经网络的构建和学习19
3.3小波神经网络与常规神经网络的比较22
3.4本章小结22
第4章 基于遗传算法的小波网络的构建23
4.1简介神经网络的训练24
4.1.1网络联结权重的进化训练24
4.1.2 网络结构的进化设计24
4.2 层次染色体25
4.3基于阶层染色体的遗传进化算法的设计27
4.3.1设定初值28
4.3.2 性能评估28
4.3.3遗传算子29
第5章 仿真过程和结果分析31
5.1 函数逼近实验31
5.2仿真结果和实验分析32
结 论34
参考文献35
致谢37
毕业设计（论文）成绩评定表38
参考文献：
1． Yao X. A review of evolutionary artificial neural networks[J]. International Journal of Intelligent Systems, 1993, 8: 539 ～ 567
2． Peter J A, etal. An evolutionary algorithm that constructs recurrent neural networks[J]. IEEE Trans Neural Networks, 1994, 5(1): 54～65
3． Koza J R, Rice J P. Genetic generation of both the weights and architure for a neural network. International Joint Conference on Neuralworks, IJCNN -91-Seattle, 1991: 397～404
4．王小平，曹立明.遗传算法——理论、应用与软件实现.西安.西安交通大学出版社，2002.2,10～14、87～95
5．王洪元，史国栋.人工神经网络技术及其应用.北京.中国石化出版社.2002.10，71～91
6.彭玉华.小波变换与工程应用.北京.科学出版社,1999.9
7．李弼程，罗建书.小波分析及其应用。
8．阎平凡.张长水.人工神经网络与模拟进化计算.北京.清华大学出版社.2000.11,377～379,386～414
9．魏海坤.神经网络结构设计的理论和方法.北京. 国防工业出版社 2005
10．丛爽.面向MATLAB工具箱的神经网络理论和应用.合肥. 中国科技大学出版社 2003.5
13.雷英杰，张善文，李续武 .MATLAB遗传算法工具箱及应用.西安.西安电子科技大学出版社.2005.4
12.袁曾任.人工神经元网络及其应用.清华出版社.北京.1999.10
11． A ngeline P J. A n evo lut ionary algo rithm that con2 st ructs recurrent neural netwo rk s[J ]. IEEE T rans on NeuralN etwo rk s, 1994, 5 (2) : 54265.
作者点评：
神经网络和遗传算法都是借鉴生物个体或生物界的某些行为特征和结构属性而发展起来的人工智能理论方法，神经网络侧重于对生物个体学习智能的描述，遗传算法则是对生物界进化特征的模拟。因此，神经网络与遗传算法相结合， 必将表现出更加完备的智能特性。即这种结合不仅使神经网络同时具备了学习和进化性能，表现出更强的智能，而且可以解决神经网络设计和实现中存在的一些问题，使神经网络具有更优的性能。小波神经网络又是神经网络中性能较好的一种网络结构。本次设计选择遗传算法去优化小波神经网络，一方面体现了遗传算法优化小波神经网络使遗传算法的优越性，另一方面体现了小波函数的良好的函数逼近能力。
目前, 基于遗传算法的神经网络设计和实现已成为神经网络领域一个重要的研究和发展方向， 国内外学者在这方面已做了大量工作。但从总体上看这方面研究还处于初期阶段， 理论方法有待于完善规范，应用研究有待于加强提高。如目前的研究多基于具体事例，还没形成一般性的方法体系；计算量较大，进化进程需进一步提高，尤其是并行进化计算方法应受到重视；遗传算法理论本身(如编码表示方法、遗传算子、种群收敛性和多样性等) 有待于进一步完善和发展，神经网络与进化计算相结合的其它方式也有待于进一步研究和挖掘。