基于遺傳算法的BP網(wǎng)絡(luò)優(yōu)化研究及其應(yīng)用.pdf

1、遺傳算法和神經(jīng)網(wǎng)絡(luò)都是模擬生物智能化的學(xué)習(xí)能力而發(fā)展起來的，對兩者結(jié)合的研究逐漸成為當(dāng)前的熱點(diǎn)之一。人們希望通過結(jié)合遺傳算法和神經(jīng)網(wǎng)絡(luò)，并充分利用兩者的優(yōu)點(diǎn)，尋找出一種有效解決問題的方法，使得人們更好地理解學(xué)習(xí)和進(jìn)化的相互作用關(guān)系，并且用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)能夠克服神經(jīng)網(wǎng)絡(luò)利用梯度下降法所帶來的易陷入局部最小值的缺點(diǎn)。 本文介紹了有關(guān)神經(jīng)網(wǎng)絡(luò)和遺傳算法的部分基礎(chǔ)理論，在分析了遺傳算法在神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和權(quán)值優(yōu)化應(yīng)用的基礎(chǔ)上，通過改進(jìn)

2、遺傳算法的適應(yīng)度函數(shù)、交叉變異率等方法，提出了改進(jìn)自適應(yīng)遺傳算法，并將其與改進(jìn)的BP算法相結(jié)合對多層前饋神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和權(quán)值進(jìn)行優(yōu)化，可提高學(xué)習(xí)效率，避免學(xué)習(xí)中陷入局部最小，使模型最終具有了良好的收斂性和適應(yīng)性。實(shí)驗(yàn)表明了算法改進(jìn)的有效性。 最后，將改進(jìn)自適應(yīng)遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)應(yīng)用于養(yǎng)老保險(xiǎn)基金預(yù)測。用于預(yù)測的樣本數(shù)據(jù)來源于聯(lián)網(wǎng)審計(jì)中采集的實(shí)時(shí)數(shù)據(jù)，并進(jìn)行標(biāo)準(zhǔn)化處理。將預(yù)測結(jié)果與BP算法、遺傳算法優(yōu)化BP網(wǎng)絡(luò)算法和精算學(xué)