32基于遗传算法的神经网络优化方法内容摘要：
2进入下一轮迭代操作 遗传算法的流程图 GEN＝ 0 产生 初始 群体 是否满足停止准则 指定结果 结 束 计算每个个体的适应度 i＝ 0 i＝ N。 以概率选择遗传算子 GEN＝ GEN＋ 1 选择一个个体 选择两个个体 选择一个个体 执行复制 i＝ i＋ 1 执行变异 复制到新群体 执行杂交 插入到新群体 将两个子代串插入到新群体 i＝ i＋ 1 是 否 是 否 pr pc pm GEN— 当前代数 N— 群体规模 遗传算法工具箱 编码和种群生成 指令格式： Function[pop]=initializega(populationSize,variableBounds,evalFN,evalOps,options) 参数说明： pop：随机生成的初始种群 populatoinSize：种群大小即种群中个体的数目 variableBounds：表示变量边界的矩阵 evalFN：适应度函数 evalOps：传给适应度函数的参数 options：选择编码形式： 1为浮点编码 ,0为二进制编码 遗传算法工具箱 进行遗传操作 指令格式：。阅读剩余 0%
本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。
用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。