基于改进的自适应遗传算法优化BP神经网络

摘要

自适应遗传算法通过在进化过程中自适应调整变异率、交叉率与适应度函数,从而使得进化结果更趋于预期结果,因此被广泛应用于优化过程中.为了提高传统BP神经网络的计算精度,并且改进其易陷入局部极小值等问题,将改进后的自适应遗传算法与BP神经网络相结合,对BP神经网络的权值与阈值进行了优化.使用离散车间绩效评价数据进行仿真验证,通过比较标准BP神经网络、自适应遗传算法优化的BP神经网络以及改进自适应遗传算法优化的BP神经网络的计算误差,验证得出改进的自适应遗传算法优化BP神经网络的方法性能更优,学习能力更强.