用自适应遗传算法训练人工神经网络.doc

用自适应遗传算法训练人工神经网络 摘要：本文给出了一种能和网络结构一一对应的、合适的染色体编码方法。用物种入侵的遗传算法训练人工神经网络。在入侵过程中，遗传算法自适应地调整交叉算子和变异算子。同时提出了一种根据平均适应度值确定入侵物种规模的方法，并详细描述了算法步骤。最后通过实验证明了本文算法的有效性和优越性。 关键词：遗传算法；自适应；人工神经网络；编码 TRAINING ARTIFICLAL NEURAL NETWORK BY INVADING ADAPTIVE GENETIC ALGORITHM Abstract：A suitable chromosome encoding method, which could correspond with the network one by one, wa proposed. The species invasion genetic algorithm was used to train artificial neural networks. In the invading process, the genetic algorithm adjusts adaptively crossing operation and mutation operation. A method based on the average fitness values was proposed to determine the scale of invasion species, and a detailed description of the algorithm steps was given. Finally, the validity and superiority of the algorithm are proved by the experimental results． Key words：genetic algorithm; adapti; artificial neural network; coding 引言 用遗传算法来设计和训练人工神经网络已被证实能有效地解决很多问针对染色体编码与网络对应问题都提出了自己的方法先用GA训练人工神经网络的权值和阈值，然后用LM (Levenberg Marquardt)算法处理，得到较好的效果；有用改进交叉变异算子的遗传算法优化神经直接用遗传算法优化神经网络参数；还有用遗传算法和BP(Back Propagation)算法同时训练网络；文章[]中提出混沌有哪些信誉好的足球投注网站自适应入侵遗传算法训练网络参数，但没有对网络结构优化 生物中存在种群入侵，入侵的种群带来新的物种新的网络拓扑结构，促进个体进化；不同物种之间的杂交能产生更适应环境的个体，加速个体进化速度根据这一特点，文章给出一种染色体编码方法，使染色体很好地与网络对应并适应相同物种和不同物种间个体的交叉，并给出了交叉和变异算子本文提出的算法能优化网络权值、阈值以及网络拓扑结构 1 基于入侵自适应遗传算法的网络优化 采用三层前向神经网络，对其结构(指网络隐层节点数)以及权值、阈值进行优化，使网络节点数最佳，权值、阈值落在全局最优区域1.1染色体编码 就具体问题而言，网络输入层节点数及输出层节点数都已确定，其隐层节点数不确定图1是图2网络对应的染色体编码两隐层节点阈值之间的等位基因表示前一隐层节点与输入层之间连接权值，权值为0表示无连接．输出层节点也是如此1.2物种入侵过程以及入侵物种的生成1.2.1入侵过程 在网络输入层和输出层节点数确定的情况下，将隐层节点数相同而权值和阈值不同的网络看作同一物种，仅将隐层节点数不相等的网络看作不同物种．在网络训练中，先形成一种或几种物种，每一代都产生新物种入侵，与已有物种竞争，优胜劣汰。接着随机生成一个实数序列长度为N，N根据式(1)计算，其中k是隐含层节点数，是输入层节点数，是输出层节点数。 (1) 假设根据式(1)随机生成的实数序列为：，则入侵物种个体染色体编码为。 1.3 适应度函数 式(2)为网络性能评价函数。Xi是单个个体，s_sum是样本总数，ei是单个样本网络输出误差平方，c是常数(0c1)。 (2) 式(3)为适应度函数。由式(2)和式(3)可知当个体适应度值时，个体适应度值达到最大，此个体最优。 (3) 1.4 交叉 同一物种间交叉算子：设交叉的两个父代个体染色体编码分别是xA，xB．两个个体按式(5)和式(6)进行交叉运算产生下一代个体染色体编码分别是、， (5) (6) 本文采用式(7)自适应调整参数。是个体平均适应度值，是两个个体中适应度函数值较大的，随着个体适应