[发明专利]利用遗传算法优化BP神经网络的方法及其在定位中的应用

权利要求书

1.一种多点定位系统中目标物位置的确定方法，其特征在于，包括如下步骤：

步骤SA：利用多点定位方法，得到目标物到达主站与达到多个副站之间的时间差；

步骤SB：利用时间差优化预定BP神经网络的权值和阈值；

步骤SC：BP神经网络利用优化后的权值和阈值进行数据的预测输出；

其中，所述步骤SB中，对BP神经网络的权值和阈值的优化，采用如下方法进行：

步骤S1：确定遗传算法和BP神经网络的结构；

步骤S2：从BP神经网络中随机确定权值和阈值，以筛选出初始种群；

步骤S3：通过交叉变异从初始种群中获得较优的权值和阈值；

步骤S4：根据较优的权值和阈值改进BP神经网络，输出结果；

其中，在步骤S2中，将从BP神经网络中随机确定的权值和阈值划分为多个组，进而形成多个种群，从多个种群中筛选最大适应度值的个体形成初始种群；

所述步骤S2包括：

步骤S21：将全部的由BP神经网络中随机确定的权值和阈值分成若干组；

步骤S22：利用遗传算法对步骤S21得到的权值和阈值组进行初始值编码；

步骤S23：结合遗传算法的初始数据以及步骤S22编码的初始值，生成多个种群；

步骤S24：对步骤S23生成的多个种群进行BP网络训练，得到每个种群中每个个体的适应度值；

步骤S25：将每个种群中适应度值最大的个体筛选出来，组成一个新的种群，作为初始种群；

所述步骤S3包括：

步骤S31：对初始种群中的个体进行选择、交叉及变异操作；

步骤S32：运行BP网络，得到初始种群的新的平均适应度值；

步骤S33：判断是否发生遗传退化，若发生，则进行步骤S34-步骤S35；若不发生，则进行步骤S35；

步骤S34：淘汰掉初始种群中适应度值低于新的种群平均适应度值的个体，并随机补充相应个数的个体，以组成新的初始群种，再次重复步骤S31-步骤S33，直到不再发生遗传退化；

步骤S35：判断是否得到了较优个体，如果得到了较优个体，即确定了BP网络较优的权值和阈值，如果没有得到较优个体，则再次重复步骤S2，确定初始种群，并再次重复步骤S31-步骤S34，并再次判断，直到得到较优个体；

其中，所述步骤S33中，遗传退化的判断标准是：经过选择、交叉及变异操作后的群体中的个体最大适应度值小于操作前的群体中的个体最大适应度值；

所述步骤S4包括：

步骤S41：结合步骤S3得到的较优的权值和阈值，利用弹性梯度下降法训练BP神经网络；步骤S42：计算误差；

步骤S43：更新权值和阈值；

步骤S44：判断是否满足结束条件，若满足，则输出更新后的权值和阈值，若不满足，则重复步骤S41-步骤S43，并再次判断，直到满足结束条件；

步骤S45：根据更新后的权值和阈值，对遗传算法中输入的原始数据进行处理，以进行结果预测；

弹性梯度下降法的操作步骤包括：

步骤S411：求解较优权值和阈值的偏导数；

步骤S412：确定一个独立的“更新值”；

步骤S413：在下一次迭代过程中，如果目标函数对某个权值的偏导数符号不变号，则增大相应的“更新值”，反之减小。