基于改进的自适应遗传算法优化BP神经网络.pdfVIP

第 24 卷 第 24 期 电子设计工程 2０16 年 12 月 Vol．24 Ｎo．24 Electronic Design Engineering Dec． 2０16 基于改进的自适应遗传算法优化BP 神经网络 吴 陈 ，王和杰 （江苏科技大学 计算机科学与工程技术学院 ，江苏 镇江 212００3 ） 摘要 ： 针对 Srinivas 提出的自适应遗传算法种群前期进化较慢的问题 ，改进了自适应交叉率和变异率的计算方法 ，考 虑交叉率和变异 率与种 群 进化 所 处 阶段 的 匹 配 ，提 出 一 种改 进 的 自适 应遗 传算 法 ；并 将其 应用于 BP 神 经 网 络计 算 模型的优化 ，运用到汽车加油量计算中 ，通过比较标准 BP 网络、Srinivas 提出的自适应遗传算法优化的 BP 神经网络 和改进的自适应遗传算法优化的 BP 神经网络 3 种模型的计算误差 ， 验证得出改进的自适应遗传算法优化 BP 神经 网络的算法优于另外两种。 关键词 ： BP 神经网络 ； 自适应遗传算法； 交叉率 ； 变异率 ； 优化 中图分类号 ： 文献标识码 ： 文章编号 （ ） ＴＮ3０2 A ：1674－6236 2０16 24－００29－０4 BP neural network optimized by improved adaptive genetic algorithm WU Chen ， WAＮG He-jie （School of Computer Science Technology ， Jiangsu University of Science and Technology ， Zhenjiang 212００3 ， China ） Abstract: In the early stage of adaptive genetic algorithｍ （AGA ） proposed by Srinivas ， the speed of evolution is slow ， which leads to reduction of the perforｍance of algorithｍ． Ｔo solve this probleｍ ， based on iｍproving the coｍputing ｍethod of the probabilities of crossover and ｍutation and taking current stage of evolution into consideration ， an iｍproved adaptive genetic algorithｍ （IAGA） is presented． Ｔhe new algorithｍ is applied to optiｍiｚing the calculation ｍodel of BP neural network ， used to count the oiling quantity of vehicle． IAGA－BP is proved better than AGA－BP and standard BP by coｍparing the calculation error of these ｍodels． Key words: BP neural network ； adaptive genetic algorithｍ ； crossover ； ｍutation ； optiｍ