遺傳算法優化神經網絡有兩種情況，一種是把訓練好的神經網絡作為黑箱函數，用遺傳算法搜索該黑箱函數的最大值，另外一種情況，則是把遺傳算法用于神經網絡的訓練，充分利用遺傳算法全局搜索的特性，得到一個初始的權值矩陣和初始的閾值向量，再用其它訓練算法(如BP算法)，得到最終的神經網絡結構。經過GreenSim團隊大量實踐表明，這種GA和BP網絡相結合的方法，能顯著地提高BP神經網絡的性能，基本上和支持向量機的性能相當，有時甚至優于支持向量機。由于BP網絡的權值優化是一個無約束優化問題，而且權值要采用實數編碼，所以直接利用Matlab遺傳算法工具箱。以下貼出的代碼是為一個19輸入變量，1個輸出變量情況下的非線性回歸而設計的，如果要應用于其它情況，只需改動編解碼函數即可。此文章首次發表是在simwe論壇，屬于GreenSim團隊原創作品，轉載請注明，有意購買源碼或代寫相關程序，請與GreenSim團隊聯系(主頁http://blog.sina.com.cn/greensim)。

程序一：GA訓練BP權值的主函數

function net=GABPNET(XX,YY)

%--------------------------------------------------------------------------

%??GABPNET.m

%??使用遺傳算法對BP網絡權值閾值進行優化，再用BP算法訓練網絡

%??GreenSim團隊原創作品，轉載請注明

%??Email:greensim@163.com

%??GreenSim團隊主頁：http://blog.sina.com.cn/greensim

%??http://blog.sina.com.cn/greensim

總結

以上是生活随笔為你收集整理的阈值法matlab程序,遗传算法优化BP神经网络权值和阈值的通用MATLAB源码的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。