神经网络和遗传算法有什么关系?
来源：学生作业帮助网 编辑：六六作业网 时间：2024/12/24 03:04:13
神经网络和遗传算法有什么关系?
神经网络和遗传算法有什么关系?
神经网络和遗传算法有什么关系?
神经网络的设计要用到遗传算法,遗传算法在神经网络中的应用主要反映在3个方面：网络的学习,网络的结构设计,网络的分析.
1．遗传算法在网络学习中的应用
在神经网络中,遗传算法可用于网络的学习.这时,它在两个方面起作用
(1)学习规则的优化
用遗传算法对神经网络学习规则实现自动优化,从而提高学习速率.
(2)网络权系数的优化
用遗传算法的全局优化及隐含并行性的特点提高权系数优化速度.
2．遗传算法在网络设计中的应用
用遗传算法设计一个优秀的神经网络结构,首先是要解决网络结构的编码问题；然后才能以选择、交叉、变异操作得出最优结构.编码方法主要有下列3种：
(1)直接编码法
这是把神经网络结构直接用二进制串表示,在遗传算法中,“染色体”实质上和神经网络是一种映射关系.通过对“染色体”的优化就实现了对网络的优化.
(2)参数化编码法
参数化编码采用的编码较为抽象,编码包括网络层数、每层神经元数、各层互连方式等信息.一般对进化后的优化“染色体”进行分析,然后产生网络的结构.
(3)繁衍生长法
这种方法不是在“染色体”中直接编码神经网络的结构,而是把一些简单的生长语法规则编码入“染色体”中；然后,由遗传算法对这些生长语法规则不断进行改变,最后生成适合所解的问题的神经网络.这种方法与自然界生物地生长进化相一致.
3．遗传算法在网络分析中的应用
遗传算法可用于分析神经网络.神经网络由于有分布存储等特点,一般难以从其拓扑结构直接理解其功能.遗传算法可对神经网络进行功能分析,性质分析,状态分析.
遗传算法虽然可以在多种领域都有实际应用,并且也展示了它潜力和宽广前景；但是,遗传算法还有大量的问题需要研究,目前也还有各种不足.首先,在变量多,取值范围大或无给定范围时,收敛速度下降；其次,可找到最优解附近,但无法精确确定最扰解位置；最后,遗传算法的参数选择尚未有定量方法.对遗传算法,还需要进一步研究其数学基础理论；还需要在理论上证明它与其它优化技术的优劣及原因；还需研究硬件化的遗传算法；以及遗传算法的通用编程和形式等.