本帖最后由 GreenSim团队 于 2011-8-29 16:20 编辑
遗传算法优化神经网络有两种情况,一种是把训练好的神经网络作为黑箱函数,用遗传算法搜索该黑箱函数的最大值,另外一种情况,则是把遗传算法用于神经网络的训练,充分利用遗传算法全局搜索的特性,得到一个初始的权值矩阵和初始的阈值向量,再用其它训练算法(如BP算法),得到最终的神经网络结构。经过GreenSim团队大量实践表明,这种GA和BP网络相结合的方法,能显著地提高BP神经网络的性能,基本上和支持向量机的性能相当,有时甚至优于支持向量机。由于BP网络的权值优化是一个无约束优化问题,而且权值要采用实数编码,所以直接利用Matlab遗传算法工具箱。以下贴出的代码是为一个19输入变量,1个输出变量情况下的非线性回归而设计的,如果要应用于其它情况,只需改动编解码函数即可。
此文章首次发表是在simwe论坛,属于GreenSim团队原创作品,转载请注明,有意购买源码或代写相关程序,请与GreenSim团队联系(主页http://blog.sina.com.cn/greensim)QQ:761222791
程序一:GA训练BP权值