摘要： 讨论了如何采用遗传算法从例子中建立精简的分段线性型神经网络结构。所建立的网络结构中将只出现两类结点（神经元）：一类结点是求和结点，该结点上的作用函数是线性的；另一类结点是选择结点，该结点上的作用函数是诸如ＭＡＸ，ＭＩＮ等形式的选择函数、对于求和结点，使用遗传算法过程来获得其输入权重、输出偏正值等，从而得到该结点的输入－输出关系结构；对于选择结点，其上的作用函数是选择函数，但该选择函数的确定仍旧是较困难的，本文试图通过先建立起精简的神经网络结构模型，再在此模型上经过样本例子的学习来求得每个选择择点上的选作函数。一般地，在使用遗传算法时，应定义一个匹配函数，以便衡量染色体的“好”的程度，同时，为了加快遗传算法过程的速度，采用了一种传统的算法──单纯形法最优算法来减小搜索空间。最。后，以上海宝山钢铁总厂高炉炼铁过程中的滑料情况为实例说明了此方法的有效性．

关键词: 染色体，遗传算法，求和结点，选择结点，分段线性型神经网络

中图分类号: 

• TP18