自适应遗传退火算法优化BP神经网络及其应用
以提高预测软件老化趋势为应用背景,提出一种新型自适应遗传退火算法(NAGSA)优化BP神经网络模型,该模型采用轮盘赌选择法与精英保留策略相结合的选择算子,在迭代后期通过模拟退火算法对适应度函数进行拉伸,相比传统的自适应遗传算法(AGA)在个体适应度较低时,能够非线性地自适应调节交叉概率和变异概率,从而对BP神经网络的权值和阈值优化并进行网络训练.对在线售书网站注入内存泄漏的代码使之老化,收集实验所需的老化数据进行仿真训练,实验结果表明,NAGSA-BP模型相比于传统遗传算法(GA)、传统自适应遗传算法(AGA)、传统自适应遗传退火算法(NGSA)优化的BP神经网络模型提高了预测精度和取得了优良的收敛效果,在该应用领域验证了本文方法的有效性.
优化、BP神经网络、遗传算法、模拟退火算法
28
山西省中科院科技合作项目20141101001;山西省重点研发计划一般工业项目201703D121042-1;山西省社会发展科技项目20140313020-1
2019-07-25(万方平台首次上网日期,不代表论文的发表时间)
共5页
109-113