誰能告訴我在MATLAB中怎么用遺傳算法優化BP神經網絡，最好能有個學習視頻了

工具箱比較麻煩，最好還是編程實現。

其實，BP神經網絡調用也就一句話：net_1=newff(minmax(P),[10,1],{'tansig','purelin'},'traingdm')'tansig','purelin'},'traingdm'就是閾值函數，決定你的閾值。

谷歌人工智能寫作項目：小發貓

BP算法、BP神經網絡、遺傳算法、神經網絡這四者之間的關系

這四個都屬于人工智能算法的范疇rfid。其中BP算法、BP神經網絡和神經網絡屬于神經網絡這個大類。遺傳算法為進化算法這個大類。

神經網絡模擬人類大腦神經計算過程，可以實現高度非線性的預測和計算，主要用于非線性擬合，識別，特點是需要“訓練”，給一些輸入，告訴他正確的輸出。若干次后，再給新的輸入，神經網絡就能正確的預測對于的輸出。

神經網絡廣泛的運用在模式識別，故障診斷中。BP算法和BP神經網絡是神經網絡的改進版，修正了一些神經網絡的缺點。遺傳算法屬于進化算法，模擬大自然生物進化的過程：優勝略汰。

個體不斷進化，只有高質量的個體（目標函數最小（大））才能進入下一代的繁殖。如此往復，最終找到全局最優值。遺傳算法能夠很好的解決常規優化算法無法解決的高度非線性優化問題，廣泛應用在各行各業中。

差分進化，蟻群算法，粒子群算法等都屬于進化算法，只是模擬的生物群體對象不一樣而已。

什么是BP神經網絡？

。

BP算法的基本思想是：學習過程由信號正向傳播與誤差的反向回傳兩個部分組成；正向傳播時，輸入樣本從輸入層傳入，經各隱層依次逐層處理，傳向輸出層，若輸出層輸出與期望不符，則將誤差作為調整信號逐層反向回傳，對神經元之間的連接權矩陣做出處理，使誤差減小。

經反復學習，最終使誤差減小到可接受的范圍。具體步驟如下：1、從訓練集中取出某一樣本，把信息輸入網絡中。2、通過各節點間的連接情況正向逐層處理后，得到神經網絡的實際輸出。

3、計算網絡實際輸出與期望輸出的誤差。4、將誤差逐層反向回傳至之前各層，并按一定原則將誤差信號加載到連接權值上，使整個神經網絡的連接權值向誤差減小的方向轉化。

5、対訓練集中每一個輸入—輸出樣本對重復以上步驟，直到整個訓練樣本集的誤差減小到符合要求為止。

遺傳算法為什么可以優化bp神經網絡？

matlab的遺傳算法優化BP神經網絡

對y=x1^2+x2^2非線性系統進行建模，用1500組數據對網絡進行構建網絡，500組數據測試網絡。由于BP神經網絡初始神經元之間的權值和閾值一般隨機選擇，因此容易陷入局部最小值。

本方法使用遺傳算法優化初始神經元之間的權值和閾值，并對比使用遺傳算法前后的效果。

步驟：未經遺傳算法優化的BP神經網絡建模1、隨機生成2000組兩維隨機數(x1,x2)，并計算對應的輸出y=x1^2+x2^2，前1500組數據作為訓練數據input_train，后500組數據作為測試數據input_test。

并將數據存儲在data中待遺傳算法中使用相同的數據。2、數據預處理：歸一化處理。3、構建BP神經網絡的隱層數，次數，步長，目標。

4、使用訓練數據input_train訓練BP神經網絡net。

c語言實現*/遺傳算法改進BP神經網絡原理和算法實現怎么弄

遺傳算法有相當大的引用。

遺傳算法在游戲中應用的現狀在遺傳編碼時,一般將瓦片的坐標作為基因進行實數編碼,染色體的第一個基因為起點坐標,最后一個基因為終點坐標,中間的基因為路徑經過的每一個瓦片的坐標。

在生成染色體時,由起點出發,隨機選擇當前結點的鄰居節點中的可通過節點,將其坐標加入染色體,依此循環,直到找到目標點為止,生成了一條染色體。重復上述操作,直到達到指定的種群規模。

遺傳算法的優點：1、遺傳算法是以決策變量的編碼作為運算對象，可以直接對集合、序列、矩陣、樹、圖等結構對象進行操作。這樣的方式一方面有助于模擬生物的基因、染色體和遺傳進化的過程，方便遺傳操作算子的運用。

另一方面也使得遺傳算法具有廣泛的應用領域，如函數優化、生產調度、自動控制、圖像處理、機器學習、數據挖掘等領域。2、遺傳算法直接以目標函數值作為搜索信息。

它僅僅使用適應度函數值來度量個體的優良程度，不涉及目標函數值求導求微分的過程。因為在現實中很多目標函數是很難求導的，甚至是不存在導數的，所以這一點也使得遺傳算法顯示出高度的優越性。

3、遺傳算法具有群體搜索的特性。它的搜索過程是從一個具有多個個體的初始群體P(0)開始的，一方面可以有效地避免搜索一些不必搜索的點。

另一方面由于傳統的單點搜索方法在對多峰分布的搜索空間進行搜索時很容易陷入局部某個單峰的極值點，而遺傳算法的群體搜索特性卻可以避免這樣的問題，因而可以體現出遺傳算法的并行化和較好的全局搜索性。

4、遺傳算法基于概率規則，而不是確定性規則。這使得搜索更為靈活，參數對其搜索效果的影響也盡可能的小。5、遺傳算法具有可擴展性，易于與其他技術混合使用。以上幾點便是遺傳算法作為優化算法所具備的優點。

遺傳算法的缺點：遺傳算法在進行編碼時容易出現不規范不準確的問題。

BP神經網絡

我不是大神。但可以給給意見。1，遺傳算法不能改變BP神經網絡準確率低的本質問題的。只能在一定程度上優化BP神經網絡。2，你的數據是怎么增加的？由原來的80組數據基礎上隨意組合的？

還有你的輸出結果是3個等級。期望輸出是什么類型？預測輸出是什么類型？你判斷正確率的標準是什么？這些都會對正確率有影響。3，BP神經網絡的正確率的提高可以通過：一，改變隱層的節點數。或增減隱層的層數。

最少一個隱層，最多2個。二，改變傳遞函數，一般隱層用tansig，輸出層用linear或者tansig。4，最后的方法是不怎么重要的，就是數據的歸一化，一般是歸一化或不歸一化都可以的，都試試。

我都是書本學過，做過點題目，只能給這些建議。

總結

以上是生活随笔為你收集整理的bp神经网络遗传算法举例,bp神经网络 遗传算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。