多种群并行进化神经网络的研究及应用

提出一种新的多种群并行遗传算法（NMPGA），并将其作为多层前馈神经网络（MFNNs)的学习算法，从而形成一类新的MFNN模型－多种群并行进化神经网络（MPENNs)。首先，对一给定的网络结构，随机产生一初始权重的集合，这个集合实际上对应着一组具有相同结构但不同权重的神经网络。然后，采用NMPGA对MFNNs的权重进行进化。最后，性能最好的网络被选作目标问题的解。在NMPGA算法中，作者采用浮点数编码来克服传统二进制编码的精度不足问题，并设计了专门的杂交算子和变异算子来增强算法性能。实验结果表明，MPENNs能成功解决异或问题、三元奇偶问题及成品烟的感官质量评价问题。