一种基于相关性分析的神经网络自组织遗传进化算法

Submitted by neurta on Mon, 02/10/2020 - 10:49
进化遗传算法

基于相关性分析的神经网络自组织遗传进化算法,其特征在于,包括

步骤1.构建初始神经网络,初始神经网络只包含输入层和输出层;

步骤2.采用bp算法训练网络,并记录训练日志数据;

步骤3.获取连接相关性,优化神经网络

步骤4.复杂化神经网络

步骤5.融合遗传进化算法迭代神经网络,输出最优神经网络模型。

 

使用特定的遗传操作完成种群的交叉

首先选择两个配对的个体dna,配对的dna的选择首先需要计算每个个体和其他个体之间的匹配程度,个体间的匹配度计算如下所示:

其中,方程表示两个配对的dna上基因i编码是否相同,对应基因编码相同则为1,否则为0;

EA  (Evolutionary Algorithms):进化算法;
GA  (Genetic Algorithm):遗传算法;
进化算法包括遗传算法、进化程序设计、进化规划和进化策略。
基于对生物进化机制的模仿,共产生进化算法的四种典型模型:
①遗传算法 Genetic Algorithm,GA
②进化规划 Evolutionary Programming,EP
③遗传规划 Genetic Programming,GP
④进化策略 Evolution Strategy, ES
虽然这些概念的内涵有一定的差别,它们有各自不同的侧重点,各自有不同的生物进化背景,各自强调了生物进化过程中的不同特性,但本质上都基于进化思想的,都能产生鲁棒性较强的计算机算法,适应面较广,因此又称它们为进化算法或进化计算。