基于改进遗传算法进化神经网络
TN911; 本文提出一种新颖的基于实数编码的改进遗传算法用于前馈神经网络的训练,进而实现对非线性系统预测.该改进遗传算法采用基于代沟最小的代选择模型,选用BLX-α混合交叉算子.与经典的基于二进制编码的遗传算法相比较,该算法不需要编码和解码,所以计算速度快;且不需要根据经验设置交叉和变异概率,因而算法简单、鲁棒性强、优化效率高.同时给出了应用该算法对前馈神经网络进化时的计算流程.仿真结果证实该方法对非线性系统进行预测是快速有效的....
Gespeichert in:
| Veröffentlicht in: | 东南大学学报(英文版) 2002, Vol.18 (4), p.367-369 |
|---|---|
| Hauptverfasser: | , , , |
| Format: | Artikel |
| Sprache: | chi |
| Online-Zugang: | Volltext |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Zusammenfassung: | TN911; 本文提出一种新颖的基于实数编码的改进遗传算法用于前馈神经网络的训练,进而实现对非线性系统预测.该改进遗传算法采用基于代沟最小的代选择模型,选用BLX-α混合交叉算子.与经典的基于二进制编码的遗传算法相比较,该算法不需要编码和解码,所以计算速度快;且不需要根据经验设置交叉和变异概率,因而算法简单、鲁棒性强、优化效率高.同时给出了应用该算法对前馈神经网络进化时的计算流程.仿真结果证实该方法对非线性系统进行预测是快速有效的. |
|---|---|
| ISSN: | 1003-7985 |
| DOI: | 10.3969/j.issn.1003-7985.2002.04.016 |