1 前言2 思路與步驟
遺傳演算法優化bp神經網路主要分為三步：bp神經網路結構的確定、遺傳演算法優化權值和閾值、bp神經網路訓練與**。
2.1 bp神經網路結構的確定
2.2遺傳演算法
基本要素：染色體編碼方式、適應度函式、遺傳操作、執行引數
其中執行引數是遺傳演算法初始化時確定的引數，主要包括：群體大小m、遺傳代數g、交叉概率pt、變異概率pm
輪盤賭演算法
輪盤賭演算法又稱比例演算法，各個個體被選中的概率與其適應度大小成正比
（1）計算出種群中每個個體的適應度值f(i=1、2、3、……、m），m為種群大小
（2）計算機出每個個體被遺傳到下一代群體中的概率
（3）計算出每個個體的累計概率
根據得到的累計概率結合自身的要求選擇所需的個體
錦標賽演算法
從群體中隨機選擇k個個體，將其中適應度最高的個體儲存到下一代。這一過程反覆執行，直到儲存到下一代的個體數達到預先設定的數量為止。引數k為競賽規模。
3 結語
遺傳演算法優化bp神經網路的目的是通過遺傳演算法得到更好的網路初始權值與閾值，其基本思想是用個體代表網路的初始權值和閾值，把**樣本的bp神經網路的**誤差的範數作為目標函式的輸出，進而計算該個體的適應度值，通過選擇、交叉、變異操作尋找最優個體，即最優的bp神經網路初始權值和閾值。
乙個較好的遺傳演算法優化bp神經網路的案例可見《matlab智慧型演算法30個案例分析》
遺傳演算法優化BP神經網路前後的對比
注 遺傳演算法部分使用sheffield工具箱，bp部分是matlab自帶。1.bp 實現 function err bpfun x,p,t,hiddennum,p test,t test x為個體初始權值 閾值 p為訓練樣本輸入 t為訓練樣本輸出 hiddennum為隱含層神經元數量 p test...
BP神經網路演算法
bp神經網路是一種基於有監督的學習，使用非線性可導函式作為傳遞函式的前饋神經網路。一 模型 bp神經網路由輸入層 隱含層 輸出層組成。訓練過程分為網路輸入訊號正向傳播和誤差訊號反向傳播，按有監督學習方式進行訓練。1 相鄰層之間結點的連線有乙個權重wij，其值在 1,1 之間 2 每乙個神經單元都有一...
BP神經網路演算法
bp back propagation 神經網路是在1986年被rumelhart與mccelland等科學家提出的概念，正如名字所說，它是一種back propagation型的網路，它將訓練誤差進行逆向傳播，通過前饋的方式不斷修正網路中各神經元的權值，而進行自身學習的。bp神經網路拓撲結構包含有...