[發明專利]基于遺傳算法優化BP神經網絡的奶牛采食量評估方法

在審

• 申請號: 202010968896.8
• 申請日: 2020-09-15
• 公開（公告）號: CN112116145A
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 魏曉莉;沈維政;張永根;李根;付強
• 申請（專利權）人: 東北農業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/02;G06N3/04;G06N3/08;G06N3/12
• 代理公司: 哈爾濱龍科專利代理有限公司 23206
• 代理人: 高媛

1.一種基于遺傳算法優化BP神經網絡的奶牛采食量評估方法，其特征在于所述方法包括如下步驟：

步驟一、確定BP神經網絡的拓撲結構

BP神經網絡輸入為奶牛的采食時間、體重、行走步數、趴臥時間、趴臥次數和飼料的精粗比6種因素，輸入層節點數為6，以奶牛的采食量作為輸出，輸出節點為1的3層神經網絡結構，隱藏層節點的個數根據經驗公式確定；

步驟二、樣本數據的預處理

對輸入輸出數據進行歸一化處理，使歸一化后數據分布范圍為[0，1]；

步驟三、種群初始化

根據步驟一確定的BP神經網絡拓撲結構，確定權值、閾值的個數，種群的大小為權值閾值個數的和，并對種群個體進行二進制實數編碼；

步驟四、計算種群適應度值

根據種群個體得到BP神經網絡的初始權重和閾值，用訓練樣本數據訓練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作為個體適應度F；

步驟五、選擇、交叉、變異操作

選擇操作采用輪盤賭法在當前種群中選擇適應度高的染色體進行復制；交叉操作采用交叉組合的方式；變異操作采用隨方式進行變異；

步驟六、判斷進化是否完成

若進化完成，獲得出最優個體，即BP神經網絡的最優權值、閾值，否則，則返回步驟四；

步驟七、模型構建

將步驟六獲得的最優權值、閾值帶入BP神經網絡中，用訓練樣本集對模型進行訓練；

步驟八、模型驗證

測試樣本集檢驗模型評估誤差，若誤差滿足條件則停止，否則返回步驟一。

2.根據權利要求1所述的基于遺傳算法優化BP神經網絡的奶牛采食量評估方法，其特征在于所述步驟三中，編碼長度S的計算公式如下：

S＝pm+pn+p+n；

其中，p為隱藏層節點的個數，m為輸入層節點的個數，n為輸出層節點的個數。

3.根據權利要求1所述的基于遺傳算法優化BP神經網絡的奶牛采食量評估方法，其特征在于所述步驟四中，個體適應度F的計算公式如下：

；

其中，n為輸出層節點的個數，output_z為預測值，Y_z為期望輸出。

4.根據權利要求1所述的基于遺傳算法優化BP神經網絡的奶牛采食量評估方法，其特征在于所述步驟五中，選擇操作的選擇概率p_i為：

；

；

其中，f_i是個體適應度的倒數，N為種群個體數目。

5.根據權利要求1所述的基于遺傳算法優化BP神經網絡的奶牛采食量評估方法，其特征在于所述步驟五中，交叉操作的過程如下：

；

其中，與為父代染色體，與為子代染色體，b∈(0,1)隨機數。

6.根據權利要求1所述的基于遺傳算法優化BP神經網絡的奶牛采食量評估方法，其特征在于所述步驟五中，變異操作的過程如下：

；

其中，a_max、a_min為基因a_kl的上界與下界，f(g)＝r₁(1-g/G_max)²，r₁∈[0,1]內的隨機數，g為迭代次數，G_max為最大進化次數。