计算机与现代化2010年第9期JISUANJIYUXIANDAIHUA总第181期文章编号:1006-2475(201009-0088-04收稿日期:2010-04-02作者简介:靳建彬(1984-,男,河北石家庄人,装备指挥技术学院硕士研究生,研究方向:航天器测量与控制,人工智能;王元钦(1963-,男,吉林白城人,教授,博士生导师,研究方向:航天器测量与控制;陈源(1983-,男,江苏扬州人,博士研究生,研究方向:航天器测量与控制。基于遗传算法的BP神经网络优化策略研究靳建彬1,王元钦2,陈源1(1.装备指挥技术学院研究生管理大队,北京101416;2.装备指挥技术学院科研部,北京101416摘要:人工神经网络(ANN可用作机器人控制器,完成多机器人协作搬运作业。针对这种方法收敛速度较慢,误差较大的不足,本文提出基于遗传算法优化的方法。该方法利用遗传算法优化人工神经网络,通过改变ANN结构和遗传算法操作参数,找到最优网络,提高网络收敛速度。仿真结果证明,该方法的可行性与有效性。关键词:人工神经网络(ANN;遗传算法;收敛速度;多机器人中图分类号:TP18文献标识码:Ado:i10.3969/.jissn.1006-2475.2010.09.025ApplicationofArtificialNeuralNetworkBasedonGeneticAlgorithmtoCooperativeTransportofMult-irobotsSystemJINJian-bin1,WANGYuan-qin2,CHENYuan1(1.CompanyofPostgraduateManagement,AcademyofEquipmentCommand&Technology,Beijing101416,China;2.DepartmentofScientificResearch,AcademyofEquipmentCommand&Technology,Beijing101416,ChinaAbstract:Artificialneuralnetworkcanbeusedastherobotcontroller,inordertocompletethemult-irobotscooperationtranspor-tingtask.Inresponsetotheshortagesofslowconvergencespeedandlargeerrorsinthismethod,thispaperpresentsamethodop-timizedbythegeneticalgorithm.Thismethodmakesuseofgeneticalgorithmtooptimizetheartificialneuralnetworks,andchan-gestheANNstructureandtheoperationalparametersofgeneticalgorithmstofindtheoptimalnetworkandimprovethenetworkconvergencespeed.Simulationresultsshowthefeasibilityandeffectivenessofthemethod.Keywords:artificialneuralnetwork(ANN;geneticalgorithm;convergencespeed;mult-irobot0引言20世纪80年代后期,多机器人协作成为一种新的机器人应用形式日益引起国内外学术界的兴趣与关注[1]。一方面,由于任务的复杂性,在单机器人难以完成任务时,人们希望通过多机器人之间的协调与合作来完成。另一方面,人们也希望通过多机器人间的协调与合作,来提高机器人系统在作业过程中的效率。1943年,Macullocu和Pitts融合了生物物理学和数学提出了第一个神经元模型。从这以后,人工神经网络[2]经历了发展、停滞、再发展的过程,时至今日正走向成熟,在广泛领域里得到了应用,其中将人工神经网络技术应用到多机器人协作成为新的研究领域。本文研究通过人工神经网络控制多机器人完成协作搬运的任务[3],并应用遗传算法来对神经网络进行优化。仿真结果表明,经过遗传算法优化后的搬运工作效率显著提高,误差降低。1人工神经网络(ANN的基本原理和结构人工神经网络(ArtificialNeuralNetwork,ANN是抽象、简化与模拟大脑神经结构的计算模型,又称并行分布处理模型[4]。ANN由大量功能简单且具有自适应能力的信息处理单元人工神经元按照大规模并行的方式通过一定的拓扑结构连接而成。ANN拓扑结构很多,其中采用反向传播(Back-Propa-gation,BP算法的前馈型神经网络(如图1所示,即2010年第9期靳建彬等:基于遗传算法的BP神经网络优化策略研究89BP人工神经网络,是人工神经网络中最常用、最成熟的神经网络之一。图1BP网络前馈结构BP网络模型处理信息的基本原理是:输入信号Xi通过中间节点(隐层点作用于输出节点,经过非线形变换,产生输出信号Yk,网络训练的每个样本包括输入向量X和期望输出量T,网络输出值Y与期望输出值T之间的偏差,通过调整输入节点与隐层节点的联接强度取值Wij和隐层节点与输出节点之间的联接强度Yjk以及阈值,使误差沿梯度方向下降,经过反复学习训练,确定与最小误差相对应的网络参数(权值和阈值,训练即告停止。此时经过训练的神经网络即能对类似样本的输入信息,自行处...
