改进的自适应遗传算法及应用

作者：王倩; 李风军^*

来源：重庆师范大学学报(自然科学版), 2021, 38(02): 14-19.

• 自适应遗传算法
• 单隐层前馈神经网络
• 动态选择
• 动态变异
• 优化

【目的】研究改善自适应遗传算法(Adaptive genetic algorithm,AGA)的早熟问题,并提升该算法优化的神经网络模型的预测性能。【方法】引入四分位间距替换自适应交叉和变异概率中的固定参数,首先给出了一种改进的自适应遗传算法(Modified adaptive genetic algorithm,MAGA),并将它的自适应交叉和变异概率映射到固定区间,使得优良个体在MAGA作用下仍具有良好的进化能力。其次利用MAGA对单隐层前馈神经网络(Single hidden layer feedforward neural networks,SLFNs)的初始权值和阈值进行优化,并给出了具体的算法实施步骤。【结果】6个常用测试函数的仿真实验表明:MAGA能够迅速稳定地逼近函数最优解。【结论】实证分析表明:与SLFNs及AGA优化的SLFNs相比,MAGA优化的SLFNs具有更高的分类正确率。

• 出版日期2021