论文部分内容阅读
软计算是指将处理模糊现象的方法与仿生算法结合、解决传统计算不能解决的复杂问题的方法。已有的研究成果显示出软计算特有的价值和作用。本文研究了中介真值程度度量(measure of medium truth degree,MMTD)方法与遗传算法和BP神经网络算法融合的方法。
在介绍了软计算和MMTD的基本概念及目前的研究现状后，设计了遗传算法融合MMTD的算法。该算法分别定义了交叉操作的距离比率函数和变异操作的距离比率函数，用于评价个体的适应度的真值程度，以它们作为如何进行下一步遗传操作的依据。针对BP网络的收敛速度慢的缺点，设计了BP神经网络算法融合MMTD的算法，该算法根据BP学习率的规则，定义了学习率误差比率函数，以度量适合BP算法学习的真值、调整学习率，加快了BP神经网络的收敛速度。
为了验证遗传算法融合MMTD的有效性，本文专门设计了解决TSP问题的算法，并编程运行，实验结果表明，与标准遗传算法相比，新算法具有较好的性能。