document.write (''); document.write ('');
收缩
龙8国际,龙8国际娱乐,www.long8.com,售后服务 东莞龙8国际电机,产品资质

www.long8.com

龙8国际_龙8国际娱乐【最新】网址_www.long8.com销售部

电  话:0769-26266341
电  话:0769-22287019

传  真:0769-28057097
邮  编:523000

地  址:东莞市万江区共联社区一号

龙8国际娱乐

GA-DRNN网络系统架构

遗传算法具有并行搜索、全局最优的特点,将其应用到DRNN网络的参数训练中,有助于充分发挥遗传算法的全局搜索能力,克服梯度下降法计算量大,易陷入局部极小值的缺陷。将遗传算法应用到DRNN网络时,需要明确如下几个关键问题:个体的编码结构,初始种群的产生,个体适应度函数的选择,遗传操作算子的确定。

(1)编码方式。实数编码方式直接采用实数作为个体的基因,具有精度高,计算速度快的优点,也为遗传算法与其它方法结合提供了方便,降低了处理复杂变量的约束条件,因此采用实数编码。个体的编码长度为待优化解的个数。

(2)初始种群的产生。群体的规模对遗传算法的计算精度和计算速度有很大的影响,推荐值是20-100之间,龙8国际,龙8国际娱乐,www.long8.com在综合考虑了计算速度和精度的基础上,选取为30。

(3)适应度函数的确定。适应度函数采用期望输出与网络输出的均方差倒数,这有助于抑制GA算法的早期收敛,防止网络的早熟。适应度函数公式如下:式中,为网络输出,为网络期望输出,为学习样本数。

(4)选择。采用轮盘赌和最优保留策略筛选出最优个体。最优保留策略将当代最优个体的适应度值与上一代最优个体的适应度值进行比较,保留适应度值最高的个体作为最优个体。最优保留策略可以防止最优个体被交叉、变异操作破坏。

(5)选择。采用轮盘赌和最优保留策略筛选出最优个体。最优保留策略将当代最优个体的适应度值与上一代最优个体的适应度值进行比较,保留适应度值最高的个体作为最优个体。最优保留策略可以防止最优个体被交叉、变异操作破坏。

(6)自适应交叉、变异。由于采用实数编码方式,故采用算数交叉。交叉的概率一般推荐为0.4-0.99。变异是采用闭区间中的一个随机数将原有的基因值替换掉,变异概率取值推荐为0.001~0.1。交叉变异的概率对遗传算法的影响很大,在训练起始阶段,过小的变异交叉率,导致网络中适应度高的个体主导网络的进化,易使网络陷入局部最优解;过大的交叉变异率有助于网络训练的初始阶段,能够避免陷入局部最优解,但当网络训练至最后时,过大的变异交叉率会破坏网络原有的优良模式。

 

自适应交叉变异的逻辑是:群体中适应度最大的个体,将被以较小的概率进行交叉变异,即采用交叉率和变异率,这样既保证了群体中优良的个体不被破坏,同时又能够通过交叉、变异产生新的更优秀的个体,避免陷入局部极小值;群体中适应度小于平均适应度的个体,将被以较大的概率进行交叉、变异,即采用交叉率匕和变异率对于适应度大于平均适应度的个体,随着平均适应度值的增大,交叉变异率将以指数衰减,衰减系数为ct,、of2,按指数衰减交叉变异率有助于保证遗传操作向好的方向发展。

 

基于GA-DRNN网络的系统非线性离线辨识步骤如下:

(1)初始化DRNN网络,给定DRNN网络输入输出数据;

(2)初始化遗传算法,确定种群数、选择方式、交叉方式、变异方式和适应度函数,确定遗传算法的最大进化代数G;

(3)随机产生初始种群,个体数定为30;

(4)对个体进行解码,计算个体适应度值,并判断是否满足终止条件,若满足,输出最优个体,结束遗传操作,跳到步骤(7),若不满足,继续执行步骤(5);

(5)以个体适应度值为标准对个体进行选择,并根据个体的适应度值动态调整个体的交叉变异率以产生新的种群。

(6)对新产生的种群重复步骤(4)和(5)。

(7)将最优个体解码,作为DRNN网络的初始权值;

(8)利用系统输入输出数据对DRNN网络进行训练;

(9)计算指标函数,并判断是否满足终止条件,若满足,结束DRNN网络训练,若不满足,利用最速下降法更新网络权值,并跳回步骤(8)。

图1:GA-DRNN辨识流程图

GA-DRNN辨识流程图