BP神經(jīng)網(wǎng)絡(luò)的電路最優(yōu)測試集的生成設(shè)計

　　對電路板進(jìn)行仿真試驗，得到結(jié)果如表1，其指標(biāo)衡量如表2。

　　運用神經(jīng)網(wǎng)絡(luò)方法得到的種群中的個體元素仍比較分散，說明神經(jīng)網(wǎng)絡(luò)在自主學(xué)習(xí)訓(xùn)練 下要將當(dāng)前的最優(yōu)解解出的能力相對較弱一些，表1 中給出的結(jié)果是應(yīng)用神經(jīng)網(wǎng)絡(luò)多次運算 得到的出現(xiàn)頻率較高的解。

　　在設(shè)定生成較少的測設(shè)點數(shù)量時，應(yīng)用神經(jīng)網(wǎng)絡(luò)能夠解出點集，但各項指標(biāo)與使用進(jìn)化 規(guī)劃算法的解相比相對較差，整體效果類似于陷入“早熟”。在設(shè)定生成較多的測試點數(shù)量時，應(yīng)用神經(jīng)網(wǎng)絡(luò)來對目標(biāo)點集的查找解算較為困難，對目標(biāo)求解的明晰性不強(qiáng)，目標(biāo)集（樣本集）內(nèi)的元素不趨同，求解精度不高。

　　應(yīng)用傳統(tǒng)的 BP 神經(jīng)網(wǎng)絡(luò)解決TSP 或集覆蓋等問題時，可行解獲得的效率低，網(wǎng)絡(luò)較難 收斂到可行解。隨著問題的復(fù)雜化，傳統(tǒng)的BP 神經(jīng)網(wǎng)絡(luò)方法搜索到嚴(yán)格最優(yōu)解或近似最優(yōu) 解的困難加大，容易陷入局部最優(yōu)。求解速度較慢，網(wǎng)絡(luò)特性相對不夠穩(wěn)定。

　　5 結(jié)論

　　本文應(yīng)用神經(jīng)網(wǎng)絡(luò)對模擬電路最優(yōu)測試集生成上進(jìn)行了初步實現(xiàn)。仿真結(jié)果說明當(dāng)電路結(jié)構(gòu)變得復(fù)雜以后，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和識別所需要的時間都比較長，運算時間大大增加，甚至在限定的最大時間內(nèi)出現(xiàn)求不出參考解的情況。目前，應(yīng)用進(jìn)化規(guī)劃算法進(jìn)行最優(yōu)測試集的生成對復(fù)雜電路結(jié)構(gòu)求解問題上顯示出其優(yōu)越性，在設(shè)定的時間內(nèi)求解精度高，在設(shè)定的 精度下運算時間短。

　　本文作者創(chuàng)新點：在復(fù)雜電路結(jié)構(gòu)的求解問題上，應(yīng)用進(jìn)化規(guī)劃算法進(jìn)行最優(yōu)測試集的 生成，在設(shè)定的時間內(nèi)求解精度高，在設(shè)定的精度下運算時間短。