针对集成中各子网准确率与子网间差异度的权衡难题，提出一种启发式子网挑选法（HPBGP）。不同于传统以正确率或差异度为指标的选择方法，该方法采用神经网络集成在验证集上泛化性能最优为子网的选取准则。首先，在不同的初始条件下生成足够的备选子网，然后，根据能使集成泛化性能提高最快的标准，每次选取能与集成中已有网络组合泛化性能最好的子网，逐个挑选加入集成，直至选择到合适的网络个数或达到一定的误差要求。以LIC1问题为平台，与传统的子网挑选法PB、PAH、GA进行比较，仿真结果表明HPBGP法在测试集上集成泛化效果与
