一种基于改进遗传算法的神经网络优化算法研究.pdf资源-CSDN文库

版权申诉

5星 · 超过95%的资源 171 浏览量 2022-07-02 23:35:18 上传评论 2 收藏 171KB PDF 举报

资源推荐

资源详情

资源评论

一种基于改进遗传算法的神经网络优化算法研究

摘要：当前，遗传算法已经获得了广泛的应用，其作为一种优化成功的搜索算

法，其在应用市场上十分畅销。但是，随着技术的发展，此种算法存在诸多的缺

陷。例如，容易出现局部最优的问题，或者是收敛速度缓慢的问题等，尤其是在

神经网络优化算法方面。文章是对遗传算法的改进进行了详细的研究，对改进遗

传算法的神经网络优化算法展开了深度探究。此次探究的主要目的是为了通过对

算法改进策略的研究，进而进一步对算法的可行性进行验证。

关键词：遗传算法；神经网络；优化算法；故障诊断

前言：神经网络，一种算法模型，属于智能技术的产物，其创建的原理是以

人脑为基础模型，既是对人脑思维的一种模拟。该模式可以通过对大量数据的分

析，解决一些与非线性问题相类似的诸多问题。该种计算工具的应用，为国民提

供了许多的便利。但是，因其本身发展尚未完善，所以对其的应用仍需进一步改

进。遗传算法是进化算法之一，文章依据遗传算法，提出的其神经网络优化算法

的研究，对该算法的改进具有理论性意义，对我国此项算法的优化具有现实性的

指导意义。

一、遗传算法的改进

（一）选择适应度函数及编码

对于遗传法的改进，其主要选择的编码方式是实数编码法，该种编码方式简

单、易操作，可有效避免局限值出现极小的问题。其中，适应度，其数值大小对

种群的进行以及相关内容设置具有至关重要的影响。通过使用数据训练法，对 BP

的权阈值进行初化设置，而后需要工作人员对训练网络进行检测，利用检测后数

值与实际值的绝对值进行求和计算，计算后的结果取其倒数[1]。此倒数便是适应

度 fun 的表示方式，其具体的公式如下：

（1）

公式中 xi 表示的是实际数据，ai 表示的是经过 BP 计算得出的数值，n 则表示

为 BP 输出的节点数量。

（二）算子选择的改进

选择算子的改进方式应用最为广泛的方式有两种，一种是最优保存法，另一

中是旋转轮赌轮法。其中，赌轮法是选择过程的基础，属于回放式随机采样法。

其选择的原理是在已有的种群中，依据个体种群的适应值，依照相应的准则，优

先挑选优秀个体与下一代种群进行生活。此种方式应遵循的理念是，个体适应值

+群体中个体的适应度=个体被挑选的概率之比。其中，个体的适应值越大，其被

挑选中的几率也会随之增大，进而提高了其与下一代种群进行生活的几率。受随

机操作的影响，使用此种方式的缺点是误差较大，有时还会出现因适应值偏高，

而致使未能有个体被选中的现象。在对 BP 收敛性进行提高的过程中，最优保留

法因其使用效果良佳，而被广泛应用。首先是应先挑选适应值最大的个体作为预

备种子选手，随后将其下一代进行保留。在新种群形成的过程中，使用上一代的

优秀个体将新种群中的最差个体进行替换，以此来保护新种群中最优个体不被破

坏。

（三）交叉与变异改进

交叉算子，既在个体中挑选出 2 个个体，而后将二者按照一定的概率进行交

叉，从而获得新的个体。最为常用的实数编码法，其 a 染色体与 xa 和 b 个染色

体 xn 在 i 位上的交叉的具体方式如下：

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余2页未读，立即下载

内容反馈

版权申诉

2301_80147979

2023-10-16

这个资源内容超赞，对我来说很有价值，很实用，感谢大佬分享~

apple_51426592

粉丝: 9511
资源: 9659

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip