1、“.....若满足，则退出算法，并得到最优神经网络权值和阀值若不满足，则转至步骤。基于传统标准遗传算法进化机制，各种群采用轮盘赌选择单点交叉和位点变异，产生新的种群。其中，每基于多种群遗传神经网络的非线性系统辨识论文原稿，即根据输入输出参数个数确定网络的权值和阀值个数。摘要提高非线性系统的辨识精度，本文提出利用多种群遗传算法对神经网络权值进行优化，并将该算法用于非线性系统辨识中，取得了良好的效果。实验证明，与单纯采点......”。

2、“.....通过多种群并行进化的思想，将遗传算法在多个具有不同控制参数的子种群间并行进行，并通过移民算子在子种群间交换信息，通过人工选择算子保存各种群每个进化代中的最优个体，可以避法缺点，本文首先采用种多种群遗传算法，通过多种群并行进化的思想，将遗传算法在多个具有不同控制参数的子种群间并行进行，并通过移民算子在子种群间交换信息，通过人工选择算子保存各种群每个进化代中的最优个体，可摘要提高非线性系统的辨识精度......”。

3、“.....并将该算法用于非线性系统辨识中，取得了良好的效果。实验证明，与单纯采用神经网络辨识方法相比，本文方法对非线性系统有的缺陷。结语针对神经网络在非线性系统辨识中存在的问题，提出采用多种群遗传算法对神经网络的权值和阀值进行优化。实验证明，与单纯采用神经网络辨识方法相比，本文方法对非线性系统有更强的辨识能力。参保存，并转至。基于多种群遗传神经网络的非线性系统辨识设非线性离散模型为。式中输入量为和，输出为，神经网络型结构......”。

4、“.....并与单纯采用神经网络辨识到最优神经网络权值和阀值若不满足，则转至步骤。基于传统标准遗传算法进化机制，各种群采用轮盘赌选择单点交叉和位点变异，产生新的种群。其中，每个种群均选择不同的交叉概率和变异概率，使得多个种。虽然神经网络是人工神经网络中应用最广泛的算法，但是也存在着些缺陷，如学习收敛速度太慢不能保证收敛到全局最小点网络结构不易确定。另外，网络结构初始连接权值和阀值的选择对网络训练的影响很大......”。

5、“.....方彦军，易凤飞，胡文凯等编著基于遗传算法的广义预测控制及其在锅炉主汽温系统中的应用武汉大学学报，。识的误差矩阵范数分别为和。从图和误差矩阵范数可以看出，采用本文算法对系统进行辨识的效果要优于采用单纯的网络对系统进行辨识的效果。本文算法很好地逼近了非线性系统，同时也解决了网络隐含层节点数不易确络辨识方法相比......”。

6、“.....参考文献王颖神经网络预测控制在中密度纤维板施胶系统中的仿真研究哈尔滨东北林业大学硕士学位论文，方彦军，易凤飞，胡文凯等编著基于遗传算法的广义预测结果进行了比较，如图所示。多种群遗传算法参数设置如下种群大小为，最大遗传代数为，代沟为，交叉概率在，区间内随机产生，变异概率在，区间内随机产生，最优个体最少保持代数为。采用神经网络和采用本文算法进行协同进化，同时提高算法的全局搜索和局部搜索能力......”。

7、“.....实现种群之间的信息交换。采用人工选择算子选出每代其他种群的最优个体放入精华种群加确获得。基于多种群遗传神经网络的非线性系统辨识论文原稿。以精华种群中最优个体最少保持代数作为算法终止判据，计算每个种群中各个体的适应度函数值，判断是否满足算法终止条件。若满足，则退出算法，并控制及其在锅炉主汽温系统中的应用武汉大学学报，。神经网络和算法存在的问题网络是类多层的前馈神经网络，由于它的结构简单，可调整的参数多，训练算法也多......”。

8、“.....同时也解决了网络隐含层节点数不易确定的缺陷。结语针对神经网络在非线性系统辨识中存在的问题，提出采用多种群遗传算法对神经网络的权值和阀值进行优化。实验证明，与单纯采用神经法对该非线性系统进行辨识，并与单纯采用神经网络辨识的结果进行了比较，如图所示。多种群遗传算法参数设置如下种群大小为，最大遗传代数为，代沟为，交叉概率在，区间内随机产生，变异概率在，区间内随机产生......”。

9、“.....使得多个种群协同进化，同时提高算法的全局搜索和局部搜索能力。采用移民算子将目标种群中的最差个体用源种群的最优个体代替，实现种群之间的信息交换。神经网络辨识方法相比，本文方法对非线性系统有更强的辨识能力。基于多种群遗传神经网络的非线性系统辨识论文原稿。以精华种群中最优个体最少保持代数作为算法终止判据，计算每个种群中各个体的适应度过早收敛，同时并行运算可以提高算法的效率。然后采用多种群遗传算法优化神经网络......”。