原创力文档- 1、本文档共5页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
基于改进遗传算法进化神经网络.pdf
（ ） —
Journai of Southeast University Engiish Edition Dec . 2002 Voi . 18 No .4 ISSN 1003 7985
Evolving Neural Networks Using an lmproved Genetic Algorithm !
，
Wen Xiuian1 2 !! Song Aiguo1 Duan Jianghai1 Wang Yiging1
1
（ ， ， ， ）
Department of Instrument Science and Technoiogy Southeast University Nanjing 210096 China
2
（ ， ， ， ）
Mechanicai Engineering Coiiege Inner Mongoiia Poiytechnic University Huhot 010062 China
Abstract： （ ）
A novei reai-coded improved genetic aigorithm GA of training feed-forward neurai network is proposed to
reaiize noniinear system forecast . The improved GA empioys a generation-aiternation modei based the minimai generation
gap （ ） （ ） ，
MGP and biend crossover operators BLX-! . Compared with traditionai GA impiemented in binary number the
， ’
processing time of the improved GA is faster because coding and decoding are unnecessary . In addition it needn t set
parameters such as the probabiiity vaiue of crossover and mutation by experiences . Therefore，
文档评论（0）