[发明专利]一种GA优化BP神经网络

说明书

一种GA优化BP神经网络，它涉及一种BP神经网络技术领域。它包含如下步骤：步骤1、初始化种群，选择合适的编码方式；步骤2、适应度函数的选择；步骤3、选择操作采用轮盘赌法；步骤4、交叉操作；步骤5、变异操作；步骤6、将新染色体代替原来染色体，计算适应度，如果满足条件跳到步骤7，否则转到步骤3继续优化；步骤7、将最优权值和阀值赋给BP神经网络用于训练，直到达到设定的误差值；步骤8、将训练好的BP神经网络用于工厂污水质的评价，得到评价结果。采用上述技术方案后，本发明有益效果为：能有效的解决BP网络易陷于局部极小、收敛速度慢甚至不收敛问题，并能合理选择隐含层神经元数目。

技术领域

本发明涉及BP神经网络技术领域，具体涉及一种GA优化BP神经网络。

背景技术

BP神经网络虽然具有很强非线性映射能力和简单的网络结构。但BP神经网络也存在很多缺点：隐含层神经元数目难以确定，太多增加计算量，影响收敛速度，太少难以准确预测；算法收敛速度慢；容易陷入局部最优解。

遗传算法(Genetic Algorithm)用遗传操作和“优胜劣汰”的自然选择来指导学习和确定搜索方向，在优化BP神经网络过程中能同时优化网络的拓扑结构及其权重和阀值，使网络模型依据样本知识进行选择。并随问题的复杂程度而改变，可以实现BP网络的动态自适应性。GA具有全局性、并行性、快速性、较好的适应性和鲁棒性，能有效的解决BP网络易陷于局部极小、收敛速度慢甚至不收敛问题，并能合理选择隐含层神经元数目。

发明内容

本发明的目的在于针对现有技术的缺陷和不足，提供一种GA优化BP神经网络，能有效的解决BP网络易陷于局部极小、收敛速度慢甚至不收敛问题，并能合理选择隐含层神经元数目。

为实现上述目的，本发明采用以下技术方案是：它包含如下步骤：

步骤1、初始化种群，选择合适的编码方式；

步骤2、适应度函数的选择，根据个体得到BP神经网络的初始权值和阀值，用训练数据训练BP神经网络后预测系统输出，把预测输出和期望输出之间的误差绝对值和E作为个体适应度值F，计算公式为：

式中，n为网络输出节点数，yi为BP神经网络第i个节点的期望输出，oi为第i个节点的预测输出，k为系数；

步骤3、选择操作采用轮盘赌法，即基于适应度比例策略，每个个体i的选择概率Pi为：

f_i＝k/F_i (2)

式中，Fi为个体i的适应度，由于适应度值越小越好，所以在个体选择前对适应度值取倒数，N为种群数目，k为系数；

步骤4、交叉操作，由于个体采用实数编码，所以交叉操作方法采用实数交叉法，第k个染色体ak和第l个染色体al在j位的交叉操作如下：

式中，b是[0,1]间的随机数；

步骤5、变异操作，选取第i个个体的第j个基因aij进行变异，变异操作方法如下：

式中，amax为基因aij的上界，amin为基因aij的下界，f(g)＝r2(1-g/Gmax)2，r2为一个随机数，g为当前迭代次数，Gmax为最大进化次数，r为[0,1]间的随机数；

步骤6、将新染色体代替原来染色体，计算适应度，如果满足条件跳到步骤7，否则转到步骤3继续优化；

步骤7、将最优权值和阀值赋给BP神经网络用于训练，直到达到设定的误差值；