遗传进化型神经网络体系结构研究

进化型神经网络(EANN)是进化算法与神经网络的结合。进化型神经网络已经越来越受到人们的关注，该领域的研究非常活跃，已经取得了很多有价值的结论和结果，并在工程上已经有一些成功的应用实例，这为进化型神经网络更为广泛深入的应用带来了充满希望的前景。 本文首先介绍了遗传算法、神经网络技术的发展历程、理论基础和应用领域。接着重点介绍了遗传神经网络，在其中详细地介绍了遗传神经网络研究的关键技术和编码方法，并介绍了遗传BP神经网络及其在鼠标手势识别中的应用。然后介绍了目前一些进化型神经网络中存在的一些问题，并从结构功能映射问题，杂交时破坏父代的结构功能创新问题，如何使网络的拓扑尽可能小等问题探讨了可能的解决方法，综合这些问题的解决方法，给出了一种新型进化神经网络体系结构的方法，这种方法有效地避免了上面提到的三种问题。通过试验证实了其良好的效果。 通过基于节点的编码来描述网络的结构和连接权值。当创建新的节点和链接时，它借助于所产生的历史数据，来消除结构功能映射的问题。采取小生境策略来保持群体的多样性，并且利用显式适应性共享技术，通过计算个体表现型之间的欧氏距离来确定种群。通过保持群体的多样性有效的防止了进化的早熟。从没有隐藏层的最简单的拓扑开始，拓扑的扩大通过结构化变异来实现。通过这种方式，可以保持网络尺寸尽可能小。 基于前面的研究结果，本文通过基于这种方法的机器人避免碰撞路径规划试验证实了这种构造神经网络体系结构的良好效果。