论文部分内容阅读
论文中采用加权平均法构成神经网络集成输出，用遗传算法GA对集成的各权值进行选择。
在计算机上遗传算法通过实现个体间的复制、交叉、变异操作模拟生物进化过程。一方面，通过量化各种染色体信息，各遗传算子得以方便地实现，使得算法很好地利用了计算机的高效性；另一方面，生物进化理论决定了这一算法不是盲目的，必将是沿着寻求最优值的方向进化的。
论文选择复制、交叉和变异算子中各一种，在MATLAB上实现了算法，并且用于10个神经网络的集成。通过实验数据表明了GA迭代的趋势是寻求最优值的方向，并且表明了通过GA选择权值的神经网络集成在提高系统泛化能力和预测性能上有卓越的贡献。