智能优化计算简介.ppt

4 神经网络权值的混合优化学习策略 ⑸ 对群体中的个体执行遗传操作 ①选择操作。采用比例选择算子，若群体规模为M，则适应度为 的个体 被选中进入下一代的概率为 . 4 神经网络权值的混合优化学习策略 ② 交叉操作。由于采用实数编码，故选择算术交叉算子。父代中的个体 和 以交叉概率 进行交叉操作，可产生的子代个体为 和 其中，a为参数 。 4 神经网络权值的混合优化学习策略 ③ 变异操作。采用均匀变异算子。个体 的各个基因位以变异概率 发生变异，即按概率 用区间 中的均匀分布随机数代替原有值。 ⑹ 引入最优保留策略。 ⑺ 对群体中每一个个体引入模拟退火操作。 4 神经网络权值的混合优化学习策略 ①利用SA状态产生函数产生新基因值 ， ，其中 为随机扰动。 ② 计算 的目标函数值与 的目标函数值之差