[发明专利]一种基于遗传算法改进BP神经网络的方法

权利要求书

1.一种基于遗传算法改进BP神经网络的方法，其特征在于，包含以下顺序的步骤：

S1.对BP网络进行编码：确定神经网络的结构，包括隐层个数、每一层的单元数；采用实数编码，将各层权值和阈值作为基因进行编码，编码后每个神经网络对应一条染色体；

S2.用遗传算法对网络进行选择优化，具体包括以下步骤：

（1）初始化种群：确定种群规模N，随机生成N条染色体；

（2）确定适应性函数：适应性函数用来评判个体对环境的适应性；

（3）确定控制参数：控件参数包括交叉概率、变异概率和终止条件；

（4）根据适应性函数计算各个体的适应度；

（5）执行遗传算子：

a、选择：运用选择算子从上一代种群中选择适应度高的个体；

b、交叉：将选择的两个适应度高的个体作为母体，依据步骤（3）中设置的交叉概率，运用交叉算子进行交叉操作；

c、变异：依据变异概率执行变异操作；

（6）检验是否满足终止条件：若满足，选择适应度最大的个体，进入神经网络训练阶段；否则转步骤（4）；

S3.对BP网络时行训练，得到最终结果；对遗传算法选择的最优个体进行解码生成新的神经网络，运用BP训练算法对新的网络进行训练，得到最终结果。

2.根据权利要求1所述的基于遗传算法改进BP神经网络的方法，其特征在于：步骤S2的步骤（2）中，所述的适应性函数为神经网络误差的单调递减函数。

3.根据权利要求1所述的基于遗传算法改进BP神经网络的方法，其特征在于：步骤S2的步骤（5）中，所述的选择算子为轮盘赌选择法、锦标赛选择法和竞争选择法的其中一种。

4.根据权利要求1所述的基于遗传算法改进BP神经网络的方法，其特征在于：步骤S2的步骤（5）中，所述的交叉操作为单点交叉或是多点交叉，交叉概率选取较大值，为0.25～0.75。

5.根据权利要求1所述的基于遗传算法改进BP神经网络的方法，其特征在于：步骤S2的步骤（5）中，所述的变异概率取较小值，为0.001～0.1。

6.根据权利要求1所述的基于遗传算法改进BP神经网络的方法，其特征在于：步骤S2的步骤（6）中，所述的终止条件为以下条件之一：

A、种群中个体的最大适应度是否超过预先设定值；

B、进化代数是否超过预先设定值；

C、种群中个体的平均适应度是否超过预先设定值。