智能算法优化神经网络

用智能算法优化网络的权重和偏置
智能算法的决策变量为网络的所有w b

1.搭建网络
2.随机初始化种群，并计算适应度(可取网络预测值和真实值的误差平方和):
3.由智能算法不断迭代优化直到终止条件，得到一组最优w b，作为网络的初始参数，再带入网络训练后，用来预测

由种群中每个个体计算其对应的适应度f(x):
1.设置网络训练的参数，例如学习率，epochs等
2.将基因拆分为各个权重和偏置，并设置为网络的初始权重和偏置
3.按上述设置好的参数，由划分的训练集训练网络，得到损失函数值，即种群个体对应的适应度。