文档介绍：江西理工大学 2010 届本科生毕业设计(论文) 摘要随着科学技术的发展,各学科交叉渗透,利用遗传算法用于解决传统计算所遇到的寻找最优解或准优解显得尤为重要。因此,研究能在搜索过程中自动获得和积累有关搜索空间的知识,并能自适应地控制搜索过程,从而得到最优解或准有解的通用搜索算法一直是令人瞩目的课题。遗传算法经实践证明特别有效的算法。本课题将在对神经网络、遗传算法等进行基础理论研究的前提下,注重对遗传算法的 C语言实现进行研究,同时对 GA在优化和神经网络训练等方面的应用和实现进行较深入的探讨。本文阐述了将遗传算法用于神经网络权值学****和训练的原理和方法,并详述了神经网络权值学****和训练中遗传算法的具体实现过程。关键词:遗传算法;神经网络;繁殖;交叉;变异;适应度江西理工大学 2010 届本科生毕业设计(论文) ABSTRACT With the development of science and technology, infiltrated the various disciplines, the traditional use of ic algorithms for solving encountered calculation to find the optimal solution or quasi-optimal solution is very important. Therefore, the study can be automatically in the search process and the accumulation of knowledge of the search space, and can adaptively control the search process, ther eby yielding the optimal solution or the quasi-solvability of the general search algorithm has been a remarkable subject. GA proven particularly effective method. This issue will beon works, ic algorithms and basic premise of theory, focusing on the C language implementation of ic algorithm research, while GA optimi zation and work traini ng in the areas of appl ication and implementation of more in-depth . In this paper, ic algorithm work weight learning and training principles and methods, and detailed study of work weights and training in the specific realization of ic algorithm Key words: ic algorithm ; work ; fitness ; crossover ; mutation breeding ; 江西理工大学 2010 届本科生毕业设计(论文) 毕业设计(论文)原创性声明和使用授权说明原创性声明本人郑重承诺:所呈交的毕业设计(论文) ,是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知, 除文中特别加以标注和致谢的地方外, 不包含其他人或组织已经发表或公布过的研究成果, 也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体, 均已在文中作了明确的说明并表示了谢意。作者签名: 日期: ? ? ??????????指导教师签名: 日期: 使用授权说明本人完全了解大学关于收集、保存、使用毕业设计(论文) 的规定,即: