神经网络与遗传算法 优化

前面曾经介绍过神经网络与遗传算法求最优参数的算法但由于网络结构、初始连接权值阈值对神经网络的训练影响很大，结果导致每次拟合的结果都不尽相同，针对这些特点同样可以利用遗传算法的寻优能力进行优化。大致过程是首先确定神经网络的结构，这样就确定了遗传算法需要优化的权值阈值个数，由此确定了种群个体的长度。最后进行预测。

步骤如下1.创建神经网络

         2.进行网络的训练和测试，确定误差函数，作为遗传算法的适应度函数。

      3.遗传算法的种群进行初始化。

   4.第二步的函数作为遗传算法的适应度函数

5.经过选择、交叉、变异确定最优的权值阈值。

除此之外，还可以多次训练取平均值的方法，来减小拟合结果的差异。

之后可以继续前面介绍的求参方法继续求最优参数。