计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2005年
1期
31-34
,共4页
遗传算法%神经网络%模拟退火%分类器
遺傳算法%神經網絡%模擬退火%分類器
유전산법%신경망락%모의퇴화%분류기
针对基本遗传算法存在容易早熟和局部搜索能力弱等缺陷,提出了改进的遗传算法,引入交叉概率和变异概率与个体的适度值相联系,改进了操作算子,而且在交叉操作后又引入模拟退火机制,提高遗传算法的局部搜索能力.同时,用改进的遗传算法和基本的遗传算法训练神经网络构造分类器,实验结果表明,改进的遗传算法在最好个体适度值和最好分类准确性等方面性能更好.
針對基本遺傳算法存在容易早熟和跼部搜索能力弱等缺陷,提齣瞭改進的遺傳算法,引入交扠概率和變異概率與箇體的適度值相聯繫,改進瞭操作算子,而且在交扠操作後又引入模擬退火機製,提高遺傳算法的跼部搜索能力.同時,用改進的遺傳算法和基本的遺傳算法訓練神經網絡構造分類器,實驗結果錶明,改進的遺傳算法在最好箇體適度值和最好分類準確性等方麵性能更好.
침대기본유전산법존재용역조숙화국부수색능력약등결함,제출료개진적유전산법,인입교차개솔화변이개솔여개체적괄도치상련계,개진료조작산자,이차재교차조작후우인입모의퇴화궤제,제고유전산법적국부수색능력.동시,용개진적유전산법화기본적유전산법훈련신경망락구조분류기,실험결과표명,개진적유전산법재최호개체괄도치화최호분류준학성등방면성능경호.
