一种GA优化BP神经网络制造技术

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，本发明专利技术有益效果为：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。

【技术实现步骤摘要】
一种GA优化BP神经网络
本专利技术涉及BP神经网络
，具体涉及一种GA优化BP神经网络。
技术介绍
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(GeneticAlgorithm)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。
技术实现思路
本专利技术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，本专利技术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：fi＝k/Fi(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；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。所述编码方式采用实数编码。本专利技术的工作原理：首先使用GA在全局范围内搜索、优化BP的权值和阀值，然后将最优权值和阀值赋给BP进行训练，训练达到设定的误差，训练完成，进行仿真预测。采用上述技术方案后，本专利技术有益效果为：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。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术的流程示意框图。具体实施方式参看图1所示，本具体实施方式采用的技术方案是：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：fi＝k/Fi(7)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；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。所述编码方式采用实数编码。针对工业污水的特殊性，便于较大空间的遗传搜索，提高遗传算法精度要求，避免了编码和解码的复杂性。本专利技术的工作原理：首先使用GA在全局范围内搜索、优化BP的权值和阀值，然后将最优权值和阀值赋给BP进行训练，训练达到设定的误差，训练完成，进行仿真预测。采用上述技术方案后，本专利技术有益效果为：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。以上所述，仅用以说明本专利技术的技术方案而非限制，本领域普通技术人员对本专利技术的技术方案所做的其它修改或者等同替换，只要不脱离本专利技术技术方案的精神和范围，均应涵盖在本专利技术的权利要求范围当中。本文档来自技高网...

【技术保护点】
1.一种GA优化BP神经网络，其特征在于它包含如下步骤：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：

【技术特征摘要】
1.一种GA优化BP神经网络，其特征在于它包含如下步骤：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：fi＝k/Fi(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...

【专利技术属性】
技术研发人员：俞阿龙，诸飞，
申请(专利权)人：淮阴师范学院，
类型：发明
国别省市：江苏,32