[发明专利]一种基于遗传算法改进BP神经网络的方法

摘要

本发明公开了一种基于遗传算法改进BP神经网络的方法，首先对BP网络进行编码：确定神经网络的结构，包括隐层个数、每一层的单元数；采用实数编码，将各层权值和阈值作为基因进行编码，编码后每个神经网络对应一条染色体；然后用遗传算法对网络进行选择优化，包含选择、交叉、变异步骤；最后对BP网络时行训练，得到最终结果；对遗传算法选择的最优个体进行解码生成新的神经网络，运用BP训练算法对新的网络进行训练，得到最终结果。本发明的方法，将遗传算法与BP网络相结合，可以充分利用两者的优点，既可以解决BP网络初始权值和阈值不易确定的问题，又能将搜索范围缩小，提高BP网络的训练速度，还可以改善局部极小问题。

主权项

一种基于遗传算法改进BP神经网络的方法，其特征在于，包含以下顺序的步骤：S1.对BP网络进行编码：确定神经网络的结构，包括隐层个数、每一层的单元数；采用实数编码，将各层权值和阈值作为基因进行编码，编码后每个神经网络对应一条染色体；S2.用遗传算法对网络进行选择优化，具体包括以下步骤：（1）初始化种群：确定种群规模N，随机生成N条染色体；（2）确定适应性函数：适应性函数用来评判个体对环境的适应性；（3）确定控制参数：控件参数包括交叉概率、变异概率和终止条件；（4）根据适应性函数计算各个体的适应度；（5）执行遗传算子：a、选择：运用选择算子从上一代种群中选择适应度高的个体；b、交叉：将选择的两个适应度高的个体作为母体，依据步骤（3）中设置的交叉概率，运用交叉算子进行交叉操作；c、变异：依据变异概率执行变异操作；（6）检验是否满足终止条件：若满足，选择适应度最大的个体，进入神经网络训练阶段；否则转步骤（4）；S3.对BP网络时行训练，得到最终结果；对遗传算法选择的最优个体进行解码生成新的神经网络，运用BP训练算法对新的网络进行训练，得到最终结果。