[發明專利]一種GA優化BP神經網絡

在審

• 申請號: 201810727710.2
• 申請日: 2018-07-05
• 公開（公告）號: CN109002878A
• 公開（公告）日: 2018-12-14
• 發明（設計）人: 俞阿龍;諸飛
• 申請（專利權）人: 淮陰師范學院
• 主分類號: G06N3/02
• 分類號: G06N3/02;G06N3/12
• 代理公司: 暫無信息
• 代理人: 暫無信息

一種GA優化BP神經網絡，它涉及一種BP神經網絡技術領域。它包含如下步驟：步驟1、初始化種群，選擇合適的編碼方式；步驟2、適應度函數的選擇；步驟3、選擇操作采用輪盤賭法；步驟4、交叉操作；步驟5、變異操作；步驟6、將新染色體代替原來染色體，計算適應度，如果滿足條件跳到步驟7，否則轉到步驟3繼續優化；步驟7、將最優權值和閥值賦給BP神經網絡用于訓練，直到達到設定的誤差值；步驟8、將訓練好的BP神經網絡用于工廠污水質的評價，得到評價結果。采用上述技術方案后，本發明有益效果為：能有效的解決BP網絡易陷于局部極小、收斂速度慢甚至不收斂問題，并能合理選擇隱含層神經元數目。

技術領域

本發明涉及BP神經網絡技術領域，具體涉及一種GA優化BP神經網絡。

背景技術

BP神經網絡雖然具有很強非線性映射能力和簡單的網絡結構。但BP神經網絡也存在很多缺點：隱含層神經元數目難以確定，太多增加計算量，影響收斂速度，太少難以準確預測；算法收斂速度慢；容易陷入局部最優解。

遺傳算法(Genetic Algorithm)用遺傳操作和“優勝劣汰”的自然選擇來指導學習和確定搜索方向，在優化BP神經網絡過程中能同時優化網絡的拓撲結構及其權重和閥值，使網絡模型依據樣本知識進行選擇。并隨問題的復雜程度而改變，可以實現BP網絡的動態自適應性。GA具有全局性、并行性、快速性、較好的適應性和魯棒性，能有效的解決BP網絡易陷于局部極小、收斂速度慢甚至不收斂問題，并能合理選擇隱含層神經元數目。

發明內容

本發明的目的在于針對現有技術的缺陷和不足，提供一種GA優化BP神經網絡，能有效的解決BP網絡易陷于局部極小、收斂速度慢甚至不收斂問題，并能合理選擇隱含層神經元數目。

為實現上述目的，本發明采用以下技術方案是：它包含如下步驟：

步驟1、初始化種群，選擇合適的編碼方式；

步驟2、適應度函數的選擇，根據個體得到BP神經網絡的初始權值和閥值，用訓練數據訓練BP神經網絡后預測系統輸出，把預測輸出和期望輸出之間的誤差絕對值和E作為個體適應度值F，計算公式為：

式中，n為網絡輸出節點數，yi為BP神經網絡第i個節點的期望輸出，oi為第i個節點的預測輸出，k為系數；

步驟3、選擇操作采用輪盤賭法，即基于適應度比例策略，每個個體i的選擇概率Pi為：

f_i＝k/F_i (2)

式中，Fi為個體i的適應度，由于適應度值越小越好，所以在個體選擇前對適應度值取倒數，N為種群數目，k為系數；

步驟4、交叉操作，由于個體采用實數編碼，所以交叉操作方法采用實數交叉法，第k個染色體ak和第l個染色體al在j位的交叉操作如下：

式中，b是[0,1]間的隨機數；

步驟5、變異操作，選取第i個個體的第j個基因aij進行變異，變異操作方法如下：

式中，amax為基因aij的上界，amin為基因aij的下界，f(g)＝r2(1-g/Gmax)2，r2為一個隨機數，g為當前迭代次數，Gmax為最大進化次數，r為[0,1]間的隨機數；

步驟6、將新染色體代替原來染色體，計算適應度，如果滿足條件跳到步驟7，否則轉到步驟3繼續優化；

步驟7、將最優權值和閥值賦給BP神經網絡用于訓練，直到達到設定的誤差值；