[发明专利]基于遗传算法优化BP神经网络的奶牛采食量评估方法

权利要求书

1.一种基于遗传算法优化BP神经网络的奶牛采食量评估方法，其特征在于所述方法包括如下步骤：

步骤一、确定BP神经网络的拓扑结构

BP神经网络输入为奶牛的采食时间、体重、行走步数、趴卧时间、趴卧次数和饲料的精粗比6种因素，输入层节点数为6，以奶牛的采食量作为输出，输出节点为1的3层神经网络结构，隐藏层节点的个数根据经验公式确定；

步骤二、样本数据的预处理

对输入输出数据进行归一化处理，使归一化后数据分布范围为[0，1]；

步骤三、种群初始化

根据步骤一确定的BP神经网络拓扑结构，确定权值、阈值的个数，种群的大小为权值阈值个数的和，并对种群个体进行二进制实数编码；

步骤四、计算种群适应度值

根据种群个体得到BP神经网络的初始权重和阈值，用训练样本数据训练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作为个体适应度F；

步骤五、选择、交叉、变异操作

选择操作采用轮盘赌法在当前种群中选择适应度高的染色体进行复制；交叉操作采用交叉组合的方式；变异操作采用随方式进行变异；

步骤六、判断进化是否完成

若进化完成，获得出最优个体，即BP神经网络的最优权值、阈值，否则，则返回步骤四；

步骤七、模型构建

将步骤六获得的最优权值、阈值带入BP神经网络中，用训练样本集对模型进行训练；

步骤八、模型验证

测试样本集检验模型评估误差，若误差满足条件则停止，否则返回步骤一。

2.根据权利要求1所述的基于遗传算法优化BP神经网络的奶牛采食量评估方法，其特征在于所述步骤三中，编码长度S的计算公式如下：

S＝pm+pn+p+n；

其中，p为隐藏层节点的个数，m为输入层节点的个数，n为输出层节点的个数。

3.根据权利要求1所述的基于遗传算法优化BP神经网络的奶牛采食量评估方法，其特征在于所述步骤四中，个体适应度F的计算公式如下：

；

其中，n为输出层节点的个数，output_z为预测值，Y_z为期望输出。

4.根据权利要求1所述的基于遗传算法优化BP神经网络的奶牛采食量评估方法，其特征在于所述步骤五中，选择操作的选择概率p_i为：

；

；

其中，f_i是个体适应度的倒数，N为种群个体数目。

5.根据权利要求1所述的基于遗传算法优化BP神经网络的奶牛采食量评估方法，其特征在于所述步骤五中，交叉操作的过程如下：

；

其中，与为父代染色体，与为子代染色体，b∈(0,1)随机数。

6.根据权利要求1所述的基于遗传算法优化BP神经网络的奶牛采食量评估方法，其特征在于所述步骤五中，变异操作的过程如下：

；

其中，a_max、a_min为基因a_kl的上界与下界，f(g)＝r₁(1-g/G_max)²，r₁∈[0,1]内的随机数，g为迭代次数，G_max为最大进化次数。