1 导言
原油脱水过程中油水界面的精确监测对油品的含水率、污水收回及处理本钱都是极为要害的,能开宣布在线的丈量技能具有十分重要的现实意义。
遗传算法和神经网络都是将生物学原理使用于科学研究的仿生学理论效果,因为它们具有极强的解决问题的才能,近年来引起了很多科研人员和工程人员的爱好和重视[1]。但神经网络和遗传算法作为传统的算法,不只核算量大,耗费时刻多,并且还需要专家进行校验[2-4]。因而,为了充分利用两种算法的优势,补偿两者之间的缺点,本文选用了将两者结合的思维。
2 问题描绘
在根据BP算法的多层前馈网络的使用中,以图1所示的单隐层网络的使用最为遍及。一般习气将单隐层前馈网络称为三层前馈网或三层感知器,所谓的三层包含了输入层、隐层和输出层。隐层可所以单层,也可所以多层,前层至后层节点经过权衔接。
图1 BP网络结构
输入矢量维数为R,隐层神经元的个数为S1,输出层神经元的个数S2,a1表明隐层神经元的输出矢量,a2表明输出层神经元的输出矢量,W1,1表明隐层神经元域为任一调集。对习惯度函数仅有的要求是输入可核算出能加以比较的非负成果。习惯度函数详细的核算办法为:将染色体上表明的各个参数分配到BP网络的结构上,结合训练样本集的输入与输出,核算网络的输出后得到网络实践输出与希望输出的差错,取差错平方和作为方针函数,即
(3)
式中为网络输入输出样本对个数;为输出层节点个数;,为当输入第个样本时,第个输出节点的希望输出与实践输出。
遗传算法以习惯度函数作为进化方针,且只能朝着习惯度函数值增大的方向进化,所以习惯度函数与方针函数之间要进行恰当的转化。因为进化中的网络差错对错零正数,可将方针函数的倒数作为习惯度函数,即
c) 遗传算子的挑选。
① 用轮盘赌法确认挑选算子,种群中个别的挑选概率为
(5)
式中
为个别的习惯度;
为种群的总习惯度;
为个别的挑选概率。
轮盘赌法的详细实现是:先核算出当时种群的总习惯度,然后发生一个[0,1]之间的随机数,求取,并将满意下列条件的第个个别选中,进入穿插操作:
(6)
进行次这样的操作,得到个个别,与最优挑选机制保存下来的习惯度最大的个别,一同构成个个别,进入接下来的穿插和变异操作。
② 选用自习惯的穿插概率的算法,使集体中最大习惯度值的个别的穿插率和变异率不为零,别离得到进步,这就相应地进步了集体中体现优秀的个别的穿插率和变异率,使得它们不会处于一种近似停滞不前的状况。
种群中个别的穿插概率为
(7)
其间为常数;为“早熟度”,用来点评种群是否早熟的目标,其核算公式为,其间表明种群中个别习惯度的最大值,表明个别习惯度大于全体均匀习惯度的个别的均匀习惯度。
在二进制编码中,选用的是单点或多点穿插。关于实数编码来说,选用这些办法是困难的,本文选用管用穿插,即
(8)
式中,为父代个别;,是子代个别;为(0,1)间的实数。
穿插时因为码串选取的是最大或许长度,不会发生紊乱现象。
③ 选用自习惯的变异概率的算法,使遗传算法具有部分的随机查找才能,在挨近最优解的邻域时加快向最优解收敛,保持种群多样性,避免呈现不成熟收敛。
种群中个别的穿插概率为
(9)
其间为常数。
非共同变异算子能够增强部分查找才能,因而本文选用非共同变异操作进行算子的变异。假设为父代种群中的一个个别,其间。随机选取中的一个基因,假设为第个基因,进行变异,则子代个别为。
