隨著人類社會的進步，科學技術的發(fā)展日新月異，模擬人腦神經網絡的人工神經網絡已取得了長足的發(fā)展。經過半個多世紀的發(fā)展，人工神經網絡在計算機科學，人工智能，智能控制等方面得到了廣泛的應用。

當代社會是一個講究效率的社會，科技更新領域也是如此。在人工神經網絡研究領域，算法的優(yōu)化顯得尤為重要，對提高網絡整體性能舉足輕重.BP神經網絡模型是目前應用最為廣泛的一種神經網絡模型，對于解決非線性復雜問題具有重要的意義。但是BP神經網絡有其自身的一些不足（收斂速度慢和容易陷入局部極小值問題），在解決某些現(xiàn)實問題的時候顯得力不從心。針對這個問題，本文利用遺傳算法的并行全局搜索的優(yōu)勢，能夠彌補BP網絡的不足，為解決大規(guī)模復雜問題提供了廣闊的前景。本文將遺傳算法與BP網絡有機地結合起來，提出了一種新的網絡結構，在穩(wěn)定性、學習性和效率方面都有了很大的提高。基于以上的研究目的，本文首先設計了BP神經網絡結構，在此基礎上，應用遺傳算法進行優(yōu)化，達到了加快收斂速度和全局尋優(yōu)的效果。本文借助MATLAB平臺，對算法的優(yōu)化內容進行了仿真實驗，得出的效果也符合期望值，實現(xiàn)了對BP算法優(yōu)化的目的。

關鍵詞：生物神經網絡：人工神經網絡；BP網絡；遺傳算法；仿真

隨著電子計算機的問世及發(fā)展，人們試圖去了解人的大腦，進而構造具有人類思維的智能計算機。在具有人腦邏輯推理延伸能力的計算機戰(zhàn)勝人類棋手的同時，引發(fā)了人們對模擬人腦信息處理的人工神經網絡的研究。

1.1研究背景

人工神經網絡（Artificial Noural Networks，ANN）（注：簡稱為神經網絡），是一種數(shù)學算法模型，能夠對信息進行分布式處理，它模仿了動物的神經網絡，是對動物神經網絡的一種具體描述。這種網絡依賴系統(tǒng)的復雜程度，通過調節(jié)內部大量節(jié)點之間的關系，最終實現(xiàn)信息處理的目的。

人工神經網絡可以通過對輸入輸出數(shù)據(jù)的分析學習，掌握輸入與輸出之間的潛在規(guī)則，能夠對新數(shù)據(jù)進行分析計算，推算出輸出結果，因為人工神經網絡具有自適應和自學習的特性，這種學習適應的過程被稱為“訓練"。

點擊標簽查看更多相關資源：