遗传算法和BP神经网络的优化设计方法在发酵模型中的应用

摘要

本文首先对人工神经网络(感知器、误差回传神经网络)、遗传算法进行了综述。然后应用遗传算法对L-异亮氨酸发酵培养基进行优化，并且运用BP神经网络对L-异亮氨酸的发酵过程仿真模拟，取得了良好的效果。结果表明，BP神经网络在L-异亮氨酸发酵的模拟与预测中是一种高效、快速的方法。

目录

文摘

英文文摘

声明

第一章引言

第一节研究的目的和意义

第二节问题的提出和选题背景

第三节神经网络和遗传算法研究发展概述

第二章人工神经网络

第一节引言

第二节神经元模型

2.2.1生物神经元的结构

2.2.2神经元的功能和特征

2.2.3神经元的理论模型

第三节神经网络模型

2.3.1神经网络的互联结构分类

2.3.2神经元的自学习过程

第四节感知器(Preceptor)

第五节误差回传(BP)网络

2.5.1BP网络概述

2.5.2BP网络的计算公式

2.5.3BP网络的主要特点

2.5.4BP网络的MATLAB实现

第六节神经网络的优点

第三章遗传算法

第一节遗传算法的基本概念和步骤

第二节遗传算法的特点和理论基础

第三节基于二进制编码的遗传算法

第四章遗传算法和BP网络的应用实例

第一节L-异亮氨酸及其生产工艺概述

4.1.1L-异亮氨酸及发酵过程工艺概述

4.1.2L-异亮氨酸发酵培养基

第二节新的应用实例

4.2.1遗传算法对L-异亮氨酸发酵培养基的优化

4.2.2利用BP网络对L-异亮氨酸发酵过程建模

第五章总结与展望

第一节总结

5.1.1结论

5.1.2创新点

第二节展望

致谢

参考文献

个人简历