遺傳演算法辨識

A. Matlab問題－－如何用遺傳演算法優化BP神經網路這篇文獻（中文）是如何做的

我上次發給你的程序，只要你從網上下一個matcom45就行了，直接裝在c盤就可以了，你發給我的論文變數太多用一般的遺傳演算法不行，我從網上發現了一個PID神經網路，相當好用，不用計算隱層數目，很適合用遺傳演算法進行優化，我編了一個常式回來發給你。

我真的不會用matlab的工具箱，如果一定要用matlab來做優化，恐怕我幫不了你了。

為什麼一定要用matlab，用C++自己編寫不也很好嗎？

B. matlab中的遺傳演算法的約束問題，急！！！

你用優化工具箱吧
裡面有 約束條件，不必自己編程

C. 求一個遺傳演算法參數辨識的程序

你上面那個例子的輸出是a=2,b=3,c=1么？就是讓函數找到一個匹配的參數滿足目標函數是么？

D. 遺傳神經網路識別原理

4.3.1 遺傳BP簡介

遺傳識別是遺傳演算法+神經網路的一種新興的尋優技術，適合於復雜的、疊加的非線性系統的辨識描述。神經網路演算法是當前較為成熟的識別分類方法，但網路權值的訓練一直存在著缺陷。為此結合具體應用，在對遺傳演算法進行改進的基礎上，本文採用了一種基於遺傳學習權值的神經網路識別方法，並取得了較好的效果。

盡管常規遺傳演算法是穩健的，但針對一個具體問題遺傳演算法只有和其他方法（或稱原有演算法）有效地結合在一起，組成一個新的混合演算法，才能在實際中得到廣泛應用。混合演算法既要保持原有演算法的長處，又要保持遺傳演算法的優點，因此常規遺傳演算法中的適應值函數、編碼、遺傳運算元等必須做適當的修改以適應混合演算法的要求。

4.3.1.1 適應值信息

常規演算法中，適應值常被表示為全局極小，用歐氏距離來實現。例如，適應值常被表示為如下形式：

圖4-5 改進的 GABP計算流程圖

GABP的計算過程圖如圖4-5所示。

E. 我看到了你的題目：如何使用MATLAB遺傳演算法GUI對y=f（x）進行參數估計，我想討教個類似的問題

我不是自控的···你說的看不太懂，我只是純粹利用下MATLAB來使用一堆數據對一個公式中的參數進行估計。我是看了《基於遺傳演算法的數據擬合在MATLAB環境中的實現》才會在MATLAB中進行擬合的，你可以參考這篇文章。

F. 進化演算法的起源發展

進化計算包括遺傳演算法(Genetic Algorithms)、遺傳規劃（Genetic Programming）、進化策略(Evolution Strategies)和進化規劃(Evolution Programming)4種典型方法。第一類方法比較成熟，現已廣泛應用，進化策略和進化規劃在科研和實際問題中的應用也越來越廣泛。
遺傳演算法的主要基因操作是選種、交配和突變，而在進化規則、進化策略中，進化機制源於選種和突變。就適應度的角度來說遺傳演算法用於選擇優秀的父代(優秀的父代產生優秀的子代)，而進化規則和進化策略則用於選擇子代(優秀的子代才能存在)。
遺傳演算法與遺傳規劃強調的是父代對子代的遺傳鏈，而進化規則和進化策略則著重於子代本身的行為特性，即行為鏈。
進化規則和進化策略一般都不採用編碼，省去了運作過程中的編碼—解碼手續更適用於連續優化問題，但因此也不能進行非數值優化。進化策略可以確定機制產生出用於繁殖的父代，而遺傳演算法和進化規則強調對個體適應度和概率的依賴。
此外，進化規則把編碼結構抽象為種群之間的相似，而進化策略抽象為個體之間的相似。進化策略和進化規則已應用於連續函數優化、模式識別、機器學習、神經網路訓練、系統辨識和智能控制的眾多領域

G. 求人推薦幾本有關神經網路和遺傳演算法的書籍

圖書. < 神經網路 >
作 者： 候媛彬，杜京義，汪梅 編著
出 版 社： 西安電子科技大學出版社
出版時間： 2007-8-1
字 數： 339000
版 次： 1
頁 數： 223
I S B N ： 9787560619026
分類： 圖書 >> 計算機/網路 >> 人工智慧
定價：￥26.00
內容簡介
神經網路是智能控制技術的主要分支之一。本書的主要內容有：神經網路的概念，神經網路的分類與學習方法，前向神經網路模型及其演算法，改進的BP網路及其控制、辨識建模，基於遺傳演算法的神經網路，基於模糊理論的神經網路，RBF網路及其在混沌背景下對微弱信號的測量與控制，反饋網路，Hopfield網路及其在字元識別中的應用，支持向量機及其故障診斷，小波神經網路及其在控制與辨識中的應用。
本書內容全面，重點突出，以講明基本概念和方法為主，盡量減少繁瑣的數學推導，並給出一些結合工程應用的例題。本書附有光碟，其中包括結合各章節內容所開發的30多個源程序，可直接在MATLAB界面下運行，此外，還包括用Authorware和Flash軟體製作的動畫課件。
本書既可作為自動化和電氣自動化專業及相關專業的研究生教材，也可供機電類工程技術人員選用，還可作為有興趣的讀者自學與應用的參考書。
作者簡介
侯媛彬，教授，女，博士生導師，1997年獲西安交通大學系統工程（Ⅰ）博士學位。西安科技大學礦山機電博士點學科帶頭人，西安科技大學省重點學科「控制理論與控制工程」學科帶頭人，中國自動化學會電氣專業委員會委員，陝西省自動化協會常務理事兼教育委員會主任。一直從事自動化、安全技術與工程方面的教學和研究工作。講授過博士、碩士和本科各層面的專業課程10多門。在國內外公開發表學術論文110餘篇，其中被EI和ISTP檢索30餘篇。出版專著、教材8部：承擔省部級科研項目及橫向項目10餘項；獲實用新型專利2項；獲省級科技進步獎3項：獲科研、教學方面的各種獎10多項；2006年獲省級師德標兵。

H. 胡志平的發表論文

在國內外重要期刊上發表各種學術論文20餘篇，其中5篇被EI檢索收錄。代表性論文有：《邊坡工程計算機輔助設計》，同濟大學學報，2004,32(3): 317-321；《盾構隧道襯砌結構穩定性風險分析研究》，同濟大學學報，2004, 32(5):596-600；《盾構偏航引起的地表位移預測》，岩土力學，2004,25(9):1427-1431；《盾構隧道管片襯砌的平板殼-彈性鉸-地基系統模型》，岩土力學，2005,26(9):1403-1408；《基於遺傳演算法和層疊模型的軟土流變模型辨識》，應用力學學報，2005,22(3):364-368；《管片襯砌結構可靠度分析的優化方法》，岩石力學與工程學報，2005,24(22)。

I. 系統辨識與建模 辨識方法有哪些

主要內容包括：線性系統的辨識，多變數線性系統的辨識，線性系統的非參數表示和辨識，非線性系統的辨識，時間序列建模，房室模型（多用於醫學、生物工程中）的辨識，神經網路模型的辨識，模糊系統的建模與辨識，遺傳演算法及其在辨識中的應用，辨識的實施等。各種方法都給出具體的計算步驟或框圖，並結合實例或模擬例子給予說明，盡量使讀者易學會用。 本書為天津市高校「十五」規劃教材，可作為高等學校自動化、系統工程、經濟管理、應用數學等專業的高年級本科生和研究生的教材或參考書，也可作為有關科技工作者、工程技術和管理人員的參考書。 圖書目錄第1章引論(1)1.1建模與系統辨識概述1.1.1系統辨識研究的對象1.1.2系統辨識1.1.3系統辨識的目的1.1.4辨識中的先驗知識1.1.5先驗知識的獲得1.1.6系統辨識的基本步驟1.2數學模型1.2.1概述1.2.2線性系統的4種數學模型1.3本書的指導思想和布局第2章線性靜態模型的辨識(12)2．1問題的提出2．2最小二乘法（ls）2.2.1最小二乘估計2.2.2最小二乘估計的性質2.2.3逐步回歸方法2.3病態方程的求解方法2.3.1病態對參數估計的影響2.3.2條件數2.3.3病態方程的求解方法2.4模型參數的最大似然估計（ml）2.4.1最大似然准則2.4.2最大似然估計243鬆弛演算法習題第3章離散線性動態模型的最小二乘估計(27)3．1問題的提法及一次完成最小二乘估計3.2最小二乘估計的遞推演算法(rls)3.2.1遞推最小二乘法3.2.2初始值的選擇3.2.3計算步驟及舉例3.3時變系統的實時演算法3.3.1漸消記憶（指數窗）的遞推演算法3.3.2限定記憶（固定窗）的遞推演算法3.3.3變遺忘因子的實時演算法3.4遞推平方根演算法3.5最大似然估計(ml)習題第4章相關(有色)雜訊情形的辨識演算法(42)4.1輔助變數法4.2增廣最小二乘法(els)4.2.1增廣最小二乘法4.2.2改進的增廣最小二乘法4.3最大似然法（ml）44閉環系統的辨識4．4．1問題的提出4．4．2可辨識性443閉環條件下的最小二乘估計習題第5章模型階的辨識5.1單變數線性系統階的辨識5.1.1損失函數檢驗法5.1.2f檢驗法5.1.3赤池信息准則（aic准則）5.2階與參數同時辨識的遞推演算法5.2.1辨識階次的基本思想和方法5.2.2階的遞推辨識演算法5.2.3幾點說明5.3模擬研究5.3.1辨識方法的模擬研究5.3.2對模型適用性的模擬研究5.3.3控制系統設計中的計算機模擬研究習題*第6章多變數線性系統的辨識6.1不變數、適宜選擇路線及規范形6.1.1代數等價系統6.1.2適宜選擇路線與不變數6.1.3適宜選擇路線與規范形6.2輸入/輸出方程6.2.1輸入/輸出方程一般形式6.2.2pcf規范形對應的輸入/輸出方程6.3pcf規范形的辨識6.3.1結構確定及參數辨識6.3.2*和*的實現演算法習題第7章線性系統的非參數表示和辨識7.1線性系統的非參數表示7.1.1脈沖響應函數7.1.2markov參數（hankel模型）7.2估計脈沖響應函數的相關方法7.2.1相關方法的基本原理7.2.2偽隨機二位式信號（m序列）7.2.3用m序列做輸入信號時脈沖響應函數的估計7.2.4估計h(t)的具體步驟與實施習題第8章非線性系統辨識8.1引言8.2單純形搜索法8.2.1問題的提法8.2.2單純形搜索法8.3迭代演算法的基本原理8.3.1迭代演算法的一般步驟8.3.2可接受方向8.4牛頓—拉夫森演算法8.5麥誇特方法*8.6數據處理的分組方法