遗传算法优化bp神经网络

资 源 简 介

遗传算法（ Genetic Algorithms）是 1962 年由美国 Michigan 大学 Holland 教授提出的模拟自然界遗传机制和生物进化论而成的一种并行随机搜索最优化方法 。 它把自然界“优胜劣汰，适者生存”的生物进化原理引人优化参数形成的编码串联群体中 ，按照所选择的适应度函数并通过遗传中的选择 、交叉和变异对个体进行筛选，使适应度值好的个体被保留，适应度差 的个体被淘汰，新的群体既继承了上一代的信息，又优于上一代。这样反复循环，直至满足条件 。

详 情 说 明

在这段文字中，遗传算法（Genetic Algorithms）是一种并行随机搜索最优化方法，它模拟了自然界的遗传机制和生物进化原理。这个方法最早由美国密歇根大学的Holland教授于1962年提出。遗传算法通过对编码串联群体中的参数进行优化，根据选择的适应度函数以及遗传中的选择、交叉和变异的方式对个体进行筛选。优秀的个体将被保留，而适应度较差的个体将被淘汰，从而形成新的群体。新的群体不仅继承了上一代的信息，而且在整体上更加优越。通过这样的反复循环，直到满足特定条件为止。