一种基于遗传算法和LM算法的混合学习算法

被引：50

作者：

张长胜 ^{[1
]}

欧阳丹彤 ^{[2
]}

岳娜 ^{[1
]}

张永刚 ^{[1
]}

机构：

[1] 吉林大学计算机科学与技术学院

[2] 吉林大学符号计算与知识工程教育部重点实验室

来源：

吉林大学学报(理学版) | 2008年 / 04期

关键词：

LM算法; 遗传算法; 神经网络; GALM算法;

D O I：

10.13413/j.cnki.jdxblxb.2008.04.046

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

针对遗传算法与神经网络结合方式中存在的早熟收敛、泛化能力弱等问题,提出一种交替使用遗传算法和Levenberg-Marquardt算法优化神经网络的混合学习算法(GALM算法).该算法先通过遗传算法粗调得到一组全局最优近似解,再以该近似解为初值,交替使用遗传算法和LM算法优化神经网络训练,直至发现满意的网络参数.实验结果表明,新算法提高了网络的学习能力和收敛速度.

引用

页码：675 / 680

页数：6

共 11 条

[1]

Neural networks and genetic algorithm approach for nonlinear evaporation and evapotranspiration modeling.[J].Sungwon Kim;Hung Soo Kim.Journal of Hydrology.2007, 3

[2]

Multi-objective genetic algorithms:: A way to improve the convergence rate [J].