基于多元共生遗传神经网络的藻类预测仿真  

Simulation of Algae Forecasting Based on Polyphyletic Symbiosis Genetic Neural Network

作　　者：姚志红[1] 费敏锐[1] 孔海南[2] 

机构地区：[1]上海大学机电工程与自动化学院 [2]上海交通大学环境学院,上海200030

出　　处：《系统仿真学报》2008年第2期480-484,共5页Journal of System Simulation

基　　金：国家863项目(2003AA601040-02);上海市科委国际合作处资助项目(052307055);新世纪优秀人才支持计划(NCET-04-0433);上海市重点学科(T0103)

摘　　要：提出一种多元共生遗传神经网络(PGANN),从遗传算法和神经网络——进化和学习两方面及其相互关系着手完善进化过程,以提高优化效果和泛化能力。该算法包括一个共生平衡交叉算子,一种多元选择策略和一种神经网络的分级优化策略,其中共生平衡算子能够兼顾进化过程中的方向性、多样性和自适应性;多元选择策略能够适应进化过程不同时段对选择压力不同的需求;而分级优化使运算规模和运算速度之间的矛盾得到缓解。将该改进的遗传神经网络PGANN应用于水库和湖泊有毒的优势蓝绿藻爆发预测,取得了满意的效果。A polyphyletic symbiosis method based genetic neural network（PGANN）was proposed.It was improved in two sides of genetic algorithm（GA）and neural network（NN）.The PGANN includes a symbiosis balance crossover operator,a polyphyletic choice strategy and a class optimization method for neural network.In where,the symbiosis balance crossover operator can give attention to orientation,diversity and adaptation,the polyphyletic choice strategy can adapt different requirement in evolution process,and the class optimization method can cut down operation spending.Forecasting experimental results of algae boom in reservoir and lake shows that a satisfying effect can be achieved by PGANN.

关 键 词：遗传算法 神经网络 优势藻类 多元共生平衡算子 分级优化 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]