5.4
神经网络与遗传算法简介
在本节中,我们将着重讲述一些在网络设计、优化、性能分析、通信路由优化、选择、
神经网络控制优化中有重要应用的常用的算法,
包括神经网络算法、
遗传算法、
模拟退火算
法等方法。
用这些算法可以较容易地解决一些很复杂的,
常规算法很难解决的问题。
这些算
法都有着很深的理论背景,
本节不准备详细地讨论这些算法的理论,
只对算法的原理和方法
作简要的讨论。
5.4.1
神经网络
1.
神经网络的简单原理
人工神经网络
(
Artificial Neural Networks
,
简写为
ANNs
)
也简称为神经网络
(
NNs
)
或称作连接模型(
Connectionist
Model
)
,是对人脑或自然神经网络(
Natural
Neural
Network
)若干基本特性的抽象和模拟。人工神经网络以对大脑的生理研究成果为基础的,
其目的在于模拟大脑的某些机理与机制,
实现某个方面的功能。
所以说
,
人工神经网络是由
人工建立的以有向图为拓扑结构的动态系统,
它通过对连续或断续的输入作出状态相应而进
行信息处理。
它是根据人的认识过程而开发出的一种算法。
假如我们现在只有一些输入和相
应的输出,
而对如何由输入得到输出的机理并不清楚,
那么我们可以把输入与输出之间的未
知过程看成是一个“网络”,通过不断地给这个网络输入和相应的输出来“训练”这个网
络,
网络根据输入和输出不断地调节自己的各节点之间的权值来满足输入和输出。
这样,
当
训练结束后,
我们给定一个输入,
网络便会根据自己已调节好的权值计算出一个输出。
这就
是神经网络的简单原理。
2.
神经元和神经网络的结构
如上所述,神经网络的基本结构如图
5.35
所示: