基于协同进化遗传算法的神经网络优化  

Optimization of neural networks based on co-evolutionary genetic algorithm with degeneration

作　　者：罗兵[1] 章云[2] 黄红梅[2] 

机构地区：[1]长江大学计算机学院,湖北荆州434023 [2]广东工业大学自动化学院,广东广州510090

出　　处：《计算机工程与设计》2007年第3期638-641,共4页Computer Engineering and Design

摘　　要：人工神经网络的结构设计没有系统的规律可循,而基于梯度的神经网络参数优化又易于陷入局部最优解。该文研究了用带退化的协同进化遗传算法来优化神经网络结构,同时优化网络参数。将网络参数作为实数编码基因进行遗传选择,参数个体的受损率超过退化阈值时发生结构退化。退化进程由协同进化的控制个体动态控制。实验证明,该方案能够有效简化神经网络的结构和得到最优网络参数,收敛速度比常规遗传算法快。Structural designing of artificial neural network is always a trouble problem without systematic rule and local minimum usually connects with conventional grads based on parameters optimization. Optimization of neural networks structure and parameters based on co-evolutionary genetic algorithm with degeneration are studied. Parameters are coded as gene co-evolving with control gene that controls degeneration. Experiments show that this approach get simpler structure, better parameters and more rapid convergence.

关 键 词：遗传算法 协同进化 退化 神经网络 优化 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]