遗传算法和改进的BP网络杂交法在岩土工程中应用.pdfVIP

第 21 卷　第 3 期　　　　　　　　　　地　　下　　空　　间　　　　　　　　　　　　V o l. 21　N o. 3 2001 年 9 月　　　　　　　　　　　UND ER GROUND SPA CE　　　　　　　　　　　　　Sep t. 2001 　　文章编号: 1001831X (2001) 遗传算法和改进的B P 网络杂交法 在岩土工程中应用 王志亮, 　李筱艳, 　殷宗泽 (河海大学土木工程学院, 南京　210098) 　　摘　要: 本文应用M A TLAB 语言编写了遗传算法和改进的BP 网络杂交法程 序, 并对一桩的抗压强度进行了预测, 结果表明该方法是可行的, 且结果令人满意。 关键词: 改进的BP 网络; 遗传算法; 抗压强度 中图分类号: TU 473. 1; T P 183　　　　　　　文献标识码:A 1　 网络模型及改进[ 1 ] [ 2 ] B P 人工神经网络( ) 是由大量简单的处理单元广泛连接组成的复杂网络, 用于模拟人类 ANN 大脑神经网络结构和行为。其中最具有代表意义和广泛用途的是BP 网络模型。它有三种神经 元: 输入、输出和隐含神经元。同层各神经元互不连接、相邻的神经元通过权相互连接。 BP 网络模型的逆传播算法具有思路清晰、结构严谨、可操作性强等特点。并且由于隐含 节点的引入, 使得一个三层的非线性网络可以以任何精度逼近任何连续函数。因而在很多领域 中都得到了应用, 后来又被引入广泛的工程界问题。但是该算法有两个突出的弱点: 可能收敛 到局部极小和收敛速度慢。这是主要因为在该算法中, 网络的权值是依赖于准则函数的一阶导 数信息进行修正的, 当求解空间存在多个局部极小点时, 一旦随机产生初始网络权值设置不当 便会陷入局部收敛而无法逸出。即使初始网络权值能够在全局最优解附近选定, 当解的周围平 坦导致梯度变化值细微时, 收敛的速度也会大大降低。R um elbart 等人在 1986 年曾用偏微分 方程作了证明, 仅当网络的权值调整无限小时, 收敛才有效, 这意味着, 训练收敛要耗费无限的 时间。 近几十年来, 人们对此作了大量的研究, 提出了很多好的改进方法, 目的是为了加快训练 速度, 避免陷入局部极小值点。本文采用添加惯性冲量法, 对传统的BP 算法加以改进, 它是使 网络在修正连接权时, 不仅考虑误差在梯度上的作用, 而且考虑在误差曲面上的变化趋势的影 响。为了减少学习过程的振荡, 通过添加一定的冲量, 以滤去学习过程中的高频率振荡, 从而加 快学习速度。它是基于反向传播在每一个连接权变化值上加上一次正比于前次权值的变化量, 并根据反向传播法来产生新的权值和阈值, 带附加动量法的权值调节公式为: 收稿日期: ( ) 　作者简介: 王志亮 1969 , 男, 工程师, 博士研究生。 © 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved. 2001 年第 3 期　　　王志亮等: 遗传算法和改进的BP 网络杂交法在岩土工程中应用 179 ( ) ( ) ( ) k + 1 = 1 - P + k ij i j ij ( ) ( ) ( ) b + 1 = 1 - + b