基于改进遗传算法的神经网络结构优化研究

本文针对神经网络中的结构优化问题，即网络中隐层数和节点数难以确定的问题，从遗传算法入手，提出了基于改进遗传算法的神经网络结构优化算法（IGA）。同时，在所提算法的基础上，以MATLAB为实验平台，实现了对非线性函数y=e-（x+1）2+e-（x+1）2的逼近，实验证明IGA对神经网络结构取得了一定的优化效果，提高了神经网络的自适应能力和泛化能力，具有全局快速收敛的性能。 本文的主要研究内容包括以下几个方面： 1.研究了遗传算法（GA），从基本遗传算法（SGA）的步骤：参数编码，初始种群的确定，适应度函数的设计，遗传操作设计等四个方面分析了SGA的优缺点。 2.针对SGA算法存在的缺点，提出了改进的遗传算法（IGA）。分别从参数编码，采用三层递阶结构的染色体编码；适应度函数的选取，适应值指数比例系数自适应调整；遗传操作，采用最优保存策略，自适应选择和交叉概率。实验证明IGA对结构优化取得了一定的效果。 3.以MATLAB为实验平台，应用IGA实现了对非线性函y=e-（x+1）2+e-（x+1）2数的逼近，验证了IGA算法的有效性。 最后，对本文取得的成果和不足进行了总结，并对未来工作进行了展望。