摘要
基于递阶结构的遗传算法可以同时对神经网络进行拓扑结构优化和权重的求解,具有较高的学习效率。针对HGA在优化神经网络过程中的一些参数,如适应度函数、交叉概率和变异概率等做了一些研究,并且比较HGA与一般遗传算法、BP算法的区别,把HGA和BP 2种算法结合起来优化神经网络,最后给出仿真实例。
Genetic algorithm based on the hierarchical structure can optimize topological and weights （including node＇s threshold） of neural network at the same time,it has a high learning efficiency. It studies the parameters such as fitness function, the crossover probability, mutation probability of the neural network optimization using HGA （hierarchical genetic algorithm） and compares the difference among the HGA,GA,BP algorithm. At last,it gives an example of the emluatation.
出处
《机械与电子》
2006年第2期41-44,共4页
Machinery & Electronics
作者简介
李方方（1981-），女，江苏徐州人．南京工业大学自动化学院硕士研究生，研究方向为智能建模与优化；
赵英凯（1943-），男，江苏镇江人，南京工业大学自动化学院教授，博士研究生导师，研究方向为智能控制和机器人控制。
