一邊動(dòng)手一邊學(xué)習(xí)遺傳算法(GA)吧??
首先打開MATLAB中的優(yōu)化器
了解遺傳算法①：模仿生物進(jìn)化的自然選擇過程——
求解無約束和有約束的 非線性優(yōu)化問題
了解遺傳算法②：群體智能算法——
個(gè)體：解決問題可能的方案
許多個(gè)體組成群體顺献，通過一定更新策略蘑拯，群體會(huì)逐漸向目標(biāo)進(jìn)化奋早，從而演化為 最優(yōu)解
了解遺傳算法②：全局最優(yōu)解——
群體中個(gè)體的進(jìn)化方向不僅是向已知的優(yōu)解方法，還有一部分會(huì)存在隨機(jī)更新构挤，保持全局搜索的能力。
GA算法在數(shù)學(xué)建模中的使用
??標(biāo)準(zhǔn)優(yōu)化算法：數(shù)學(xué)上嚴(yán)格定義的推導(dǎo)，求解速度快箱歧，更適合于不復(fù)雜的問題矾飞，陷入局部最優(yōu)風(fēng)險(xiǎn)較大。
??全局優(yōu)化求解器：求解不光滑的呀邢、高度非線性的洒沦、更復(fù)雜、傳統(tǒng)優(yōu)化求解器不使用价淌，計(jì)算效率低申眼，更易找到全局最優(yōu)解（目標(biāo)函數(shù)不連續(xù)瞒津、不可微分、隨機(jī)或高度非線性）
使用思路：利用GA計(jì)算結(jié)果作為初始值括尸，再用一種嚴(yán)謹(jǐn)?shù)臉?biāo)準(zhǔn)優(yōu)化算法 ??????
下面來看參數(shù)的設(shè)置：
混合：利用GA計(jì)算結(jié)果作為初始值巷蚪，再用一種標(biāo)準(zhǔn)優(yōu)化算法，注意存在整數(shù)時(shí)不能用
視頻講解：https://www.bilibili.com/video/BV1LS4y1e7xW/
BP神經(jīng)網(wǎng)絡(luò)
視頻講解：https://www.bilibili.com/video/BV1M5411S746/
是一種按照誤差逆向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)
屬于非線性算法濒翻，由輸入層屁柏、輸出層和隱含層構(gòu)成
優(yōu)化方向：
- 初始值的優(yōu)化（權(quán)重和偏置）
- 超參數(shù)的優(yōu)化（迭代次數(shù)、目標(biāo)值肴焊、學(xué)習(xí)速率）
- 模型算法層面的優(yōu)化（神經(jīng)進(jìn)化前联、隱藏層數(shù)量）
在滿足精度前提下娶眷，盡可能減少隱含層數(shù)
（1）淺層神經(jīng)網(wǎng)絡(luò)樣本數(shù)據(jù)集
GA優(yōu)化GA優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)
????預(yù)測優(yōu)化
1. 初始權(quán)重和偏置的優(yōu)化——初級(jí)
2. 超參數(shù)的優(yōu)化——進(jìn)化
3. 模型結(jié)構(gòu)的優(yōu)化——究極
機(jī)器學(xué)習(xí) | 基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化算法（附MATLAB代碼）
優(yōu)化算法 | 基于GA的Bp神經(jīng)網(wǎng)絡(luò)預(yù)測20~21賽季NBA總冠軍花落誰家
遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)
遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)|三種GA-BP優(yōu)化形式
下面是具體的改進(jìn)遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)步驟：https://blog.csdn.net/weixin_46039719/article/details/126657902
（1）初始化BP神經(jīng)網(wǎng)絡(luò)似嗤，確定網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)規(guī)則，以及遺傳算法的染色體長度届宠。
（2）初始化遺傳算法的參數(shù)（包括迭代次數(shù)烁落，種群大小，交叉概率和突變概率等）豌注，以及群體選擇遺傳算法的所需適應(yīng)度函數(shù)伤塌。
（3）使用輪盤賭方法選擇幾條染色體，以滿足適應(yīng)度函數(shù)的要求轧铁，作為新人口的父系每聪。
（4）通過改變交叉過程和遺傳算法的變化，處理男性父母產(chǎn)生新的人口生成齿风。
（5）判斷誤差是否達(dá)到精度药薯，否定的話重新執(zhí)行（3）（4）步驟，使染色體不斷跟新從而使個(gè)體不斷更新救斑；當(dāng)達(dá)到目標(biāo)后找到最優(yōu)染色體并賦值給BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)重和閾值童本。
