1.1 GA-BP神经网络

遗传算法（GA）是一种以达尔文“优胜劣汰”原理而衍生出来的算法，模拟的是生物进化的过程，将生物学中的繁殖、杂交、变异、选择等概念引入算法当中，具体方法是：给定一组初始的可行解，通过可行解不断实行上述的过程，最终的可行解会趋于最优解。遗传算法需设置一个适应度函数，适应度函数一般与目标函数值相关联，种群中适应度高的个体被保留下来形成新的种群，新种群中的个体适应度值不断提高，最终种群中适应度最高的个体就是最优解，遗传算法机制决定其具有较强的寻优能力和全局性^[13]。遗传算法优化后的BP神经网络，可解码得到最佳权值和阈值，有效解决单一BP神经网络陷入局部最优解问题。