文献类型：期刊文章

作　　者：王倩[1] 李风军[1]

WANG Qian;LI Fengjun(School of Mathematical Statistics,Ningxia University,Yinchuan 750021,China)

机构地区：[1]宁夏大学数学统计学院,银川750021

出　　处：《重庆师范大学学报（自然科学版）》

基　　金：宁夏自然科学基金(No.2020AAC03030);国家自然科学基金(No.12061055,No.61662060);宁夏大学研究生创新项目(No.GIP2020-31)。

年　　份：2021

卷　　号：38

期　　号：2

起止页码：14-19

语　　种：中文

收录情况：BDHX、BDHX2020、CAB、CAS、IC、JST、RCCSE、WOS、ZGKJHX、ZMATH、核心刊

摘　　要：【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。

关 键 词：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  

分 类 号：O221.6]