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

　　對電路板進(jìn)行仿真試驗，得到結果如表1，其指標衡量如表2。

　　運用神經(jīng)網(wǎng)絡(luò )方法得到的種群中的個(gè)體元素仍比較分散，說(shuō)明神經(jīng)網(wǎng)絡(luò )在自主學(xué)習訓練 下要將當前的最優(yōu)解解出的能力相對較弱一些，表1 中給出的結果是應用神經(jīng)網(wǎng)絡(luò )多次運算 得到的出現頻率較高的解。

　　在設定生成較少的測設點(diǎn)數量時(shí)，應用神經(jīng)網(wǎng)絡(luò )能夠解出點(diǎn)集，但各項指標與使用進(jìn)化 規劃算法的解相比相對較差，整體效果類(lèi)似于陷入“早熟”。在設定生成較多的測試點(diǎn)數量時(shí)，應用神經(jīng)網(wǎng)絡(luò )來(lái)對目標點(diǎn)集的查找解算較為困難，對目標求解的明晰性不強，目標集（樣本集）內的元素不趨同，求解精度不高。

　　應用傳統的 BP 神經(jīng)網(wǎng)絡(luò )解決TSP 或集覆蓋等問(wèn)題時(shí)，可行解獲得的效率低，網(wǎng)絡(luò )較難 收斂到可行解。隨著(zhù)問(wèn)題的復雜化，傳統的BP 神經(jīng)網(wǎng)絡(luò )方法搜索到嚴格最優(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 )特性相對不夠穩定。

　　5 結論

　　本文應用神經(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(shí)現。仿真結果說(shuō)明當電路結構變得復雜以后，神經(jīng)網(wǎng)絡(luò )的訓練和識別所需要的時(shí)間都比較長(cháng)，運算時(shí)間大大增加，甚至在限定的最大時(shí)間內出現求不出參考解的情況。目前，應用進(jìn)化規劃算法進(jìn)行最優(yōu)測試集的生成對復雜電路結構求解問(wèn)題上顯示出其優(yōu)越性，在設定的時(shí)間內求解精度高，在設定的 精度下運算時(shí)間短。

　　本文作者創(chuàng )新點(diǎn)：在復雜電路結構的求解問(wèn)題上，應用進(jìn)化規劃算法進(jìn)行最優(yōu)測試集的 生成，在設定的時(shí)間內求解精度高，在設定的精度下運算時(shí)間短。