基于改进遗传算法进化神经网络

• 作者: 宋爱国 段江海 温秀兰 王一清
• 来源期刊: 东南大学学报(英文版)
• 学科: 工学
• 关键词: 遗传算法 神经网络 非线性预测
• 年，卷（期）: 2002,（4）
• 页码范围: 367-369
• 页数: 3页
• 分类号: TN911
• 字数: 507字
• 语种: 英文
• DOI: 10.3969/j.issn.1003-7985.2002.04.016

摘要

本文提出一种新颖的基于实数编码的改进遗传算法用于前馈神经网络的训练,进而实现对非线性系统预测.该改进遗传算法采用基于代沟最小的代选择模型,选用BLX-α混合交叉算子.与经典的基于二进制编码的遗传算法相比较,该算法不需要编码和解码,所以计算速度快;且不需要根据经验设置交叉和变异概率,因而算法简单、鲁棒性强、优化效率高.同时给出了应用该算法对前馈神经网络进化时的计算流程.仿真结果证实该方法对非线性系统进行预测是快速有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋爱国	东南大学仪器科学与工程系	404	4720	32.0	46.0
2	王一清	东南大学仪器科学与工程系	13	172	7.0	13.0
3	温秀兰	东南大学仪器科学与工程系	11	155	5.0	11.0
7	段江海	东南大学仪器科学与工程系	12	143	7.0	11.0