[发明专利]一种基于神经网络算法的研发效能评估方法及装置

权利要求书

1.一种基于神经网络算法的研发效能评估方法，其特征在于，包括以下步骤：

S1:选取评价指标，所述评价指标包括过程性指标和结果性指标；

S2:采集评价指标样本，每个评价指标样本均包括所述过程性指标及其对应的所述结果性指标，所述评价指标样本分为训练样本和测试样本；

S3:构建BP神经网络，利用所述评价指标样本训练后，再通过轮盘赌选择法操作、交叉操作、变异操作后获得GA-BP神经网络；

S4:通过所述GA-BP神经网络获得企业研发效能评估结果。

2.根据权利要求1所述的研发效能评估方法，其特征在于，所述步骤S2中，采用交叉验证法将所述评价指标样本分为训练样本和测试样本。

3.根据权利要求1所述的研发效能评估方法，其特征在于，所述步骤S3具体包括以下步骤：

S3.1:构建所述BP神经网络；

S3.2:设定所述评价指标的权重的初始权值和阈值，并编码，得到初始种群；

S3.3:初始化所述BP神经网络结构与学习参数，所述学习参数包括权值W_ij、学习步长L、误差函数E、计算精度值ε、最大训练次数n；

S3.4:将所述初始种群赋给所述BP神经网络，使用所述训练样本训练网络，到满足学习要求为止，获得最优权值；

S3.5:使用测试样本对所述BP神经网络测试并计算适应度；

S3.6:轮盘赌选择法操作：基于适应度比例额的选择策略，每个个体i的选择概率p_i为:

f_i＝k/F_i，

式中，F_i为个体i的适应度值，k为系数，N为种群个体数目；

S3.7:交叉操作：采用实数交叉法，第k个染色体a_k和第l个染色体a_l在j位的交叉操作方法如下：

式中，b是[0,1]之间的随机数；

S3.8:变异操作：依次选取第i个个体的第j个基因进行变异，变异操作方法如下：

式中，a_max、a_min为基因a_ij的上界和下界，f(g)＝r₂(1-g/G_max)，r₂为一个随机数，g为当前迭代次数，G_max为最大进化次数，r为[0,1]之间的随机数；

S3.9:计算适应度是否满足结束条件，若不满足返回步骤S3.4，若满足则获取所述最优权值，获得所述GA-BP神经网络。

4.根据权利要求3所述的研发效能评估方法，其特征在于，所述步骤S3.4具体为：

将所述训练样本中的输入值代入所述BP神经网络，得到输出值y_it，与所述训练样本中的期望值d_it比较，若输出值与期望值一致，则训练结束；若输出值与期望值有误差，则通过下列公式计算误差：

再调整权值W_ij，使得总误差E达到最小值，训练结束，获取最优权值，其中权值调整公式为：

W_ij＝W_ij(k)+η·δ_it·y_it+α(W_ij(k)-W_ij(k-1))，

其中，η为学习速率，α为动量因子。

5.根据权利要求4所述的研发效能评估方法，其特征在于，所述步骤S3.5具体为：

将所述测试样本中的输入值代入训练后的所述BP神经网络，得到dit，与所述测试样本中的期望值yit比较，若有误差，通过以下公式计算适应度：

k为系数。

6.一种基于神经网络算法的研发效能评估装置，其特征在于，包括：

选取模块，所述选取模块用以选取评价指标，所述评价指标包括过程性指标和结果性指标；

采集模块，所述采集模块用以采集评价指标样本，每个评价指标样本均包括所述过程性指标及其对应的所述结果性指标，所述评价指标样本分为训练样本和测试样本；

构建模块，所述构建模块用以构建BP神经网络，利用所述评价指标样本训练后，再通过轮盘赌选择法操作、交叉操作、变异操作后获得GA-BP神经网络；

评估模块，所述评估模块用以通过所述GA-BP神经网络获得企业研发效能评估结果。