论文部分内容阅读
为了借助智能方法对日益严重的水污染进行识别预测，提出了一种改进遗传神经网络识别算法．该算法通过各个分算子的多元冲突、融合、协作和互补等方式，有机地结合形成一种整体优化算子，它包含了降维差异选择、暂态自适应交叉和冲突自适应变异等3个新的彼此相关联的分算子，能有效地生发多样性，提高解空间处处可达性．数值优化及湖泊蓝绿藻神经网络识别实验表明，该算法在克服早熟、提高全局收敛速度和增强神经网络的泛化能力等方面，均取得满意的藻类识别效果．