[发明专利]一种基于云遗传算法优化BP神经网络的方法

说明书

本发明公开了一种基于云遗传算法优化BP神经网络的方法，步骤如下：确定初始化参数；确定输入层与中间隐含层的权值，之后确定中间隐含层与输出层的权值；然后确定隐含层中所有的阈值，再确定输出层的所有阈值，最后对确定好的权值和阈值进行排序；构建一个适应度函数，然后对样本集合中的每个样本个体的适应度进行迭代计算，得到每个样本个体适应度函数值，对适应度函数值进行分析和判断，检测其是否达到了预期的期望值以及进行的遗传迭代操作次数是否小于预设的最大迭代次数，根据适应度函数值，将可以满足预设要求的个体用作BP神经网络最终的权值和阈值。

技术领域

本发明涉及优化BP神经网络的技术领域，更具体的说是涉及一种基于云遗传算法优化BP神经网络的方法。

背景技术

目前，随着科学技术的飞速发展，人工神经网络也迅速发展，它是智能领域中的一个重要组成部分，BP神经网络是人工智能网络中的一个典型算法，是目前研究最为成熟的神经网络结构之一，因其具有超强的自学习、自组织、自适应、联想记忆及容错能力，在信号处理、模式识别、机器控制、专家系统等、故障诊断、预测等领域中有广泛地应用。而且它本身具有很强的非线性映射能力，解决一些非线性问题更是它最突出的特点，有一个隐含层的BP网络可以逼近任何一个闭区间内的连续函数。因此三层BP神经网络是应用最为广泛的神经网络模型，BP神经网络在变压器故障领域也有很好的应用前景。

但是，BP神经网络同时具有一些弊端，如果输入输出之间的映射关系十分复杂时，它陷入局部局部最小值的概率会增大且收敛速度会变慢，所以需要使用别的智能算法对它进行优化。

因此，使用云遗传算法来优化BP神经网络的初始化权值和阈值，使BP神经更有效的调节权值和阈值来达到预设要求，减少了BP神经网络的迭代次数,减少运算时间是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于云遗传算法优化BP神经网络的方法。

为了实现上述目的，本发明采用如下技术方案：

一种基于云遗传算法优化BP神经网络的方法，包括：遗传算法中染色体的基本含义是：随机产生一定数量的包含全部属性的向量，优化步骤如下：

S1、确定初始化参数；

S2、确定输入层与中间隐含层的权值，之后确定中间隐含层与输出层的权值，然后确定隐含层中所有的阈值，再确定输出层的所有阈值，最后对确定好的权值和阈值进行排序；

S3、构建一个适应度函数，然后对样本集合中的每个样本个体的适应度进行迭代计算，得到每个样本个体适应度函数值，对适应度函数值进行分析和判断，检测适应度函数值是否达到了预期的期望值以及进行的遗传迭代操作次数是否小于预设的最大迭代次数，若是，进行步骤S5；

S4、依据每个个体产生的自适应度函数值和云遗传算法中的操作法则，计算得到交叉、变异的概率，依据计算得到的概率来衍生出新的个体，返回步骤S3；

S5、根据适应度函数值，将可以满足预设要求的个体用作BP神经网络最终的权值和阈值；

S6、对S3中确定好的最佳个体中输入层、隐含层、输出层三层的权值和阈值解码，分解出来作为已经确定的BP神经网络结构中三原始层之间的权值和层内部的阈值的初始值；

S7、BP神经网络进行前向传递，通过计算得到整个BP神经网络结构的全局误差，并分析判断此误差是否达到预期标准，若符合，则结束传递；若存在误差，则进行S8；

S8、BP神经网络反向传递，对BP神经网络结构中的三原始层之间的权值和层内部的阈值进行修正，修正完成后返回步骤S6。

优选的，步骤S8还包括，当循环次数达到预定的迭代次数，则终止BP神经网络的反向传递，依此时的个体作为BP神经网络的使用至，返回步骤S6。