基于混合遗传算法的人工神经网络模型及其对有机化合物熔点的预测

为了避免BP神经网络在训练过程中收敛于局部极小的缺陷，采用自适应交叉变异、最优保存的混合遗传算法对BP网络的权值和阈值进行优化，从而提出一种新的基于混合遗传算法的神经网络模型.该算法首先对一给定的网络结构，采用混合自适应交叉变异和最优保存策略，取各自的长处，用尽可能少的搜索代数找到问题的最优解，从而既防止算法陷入局部最优，又保证算法有较好的平均适应值和最佳的适应值个体.采用上述优化策略的人工神经网络可明显改善收敛的稳定性和收敛速度，并确保网络收敛于全局极小点.人工神经网络运用于物性数据的预测是一个具有潜力和有待开发的领域.运用该模型，根据有机化合物的分子量、临界密度、正常沸点和偶极矩，对其熔点进行预测.预测结果表明：提出的混合遗传算法神经网络优于其他算法神经网络，而且预测结果优于文献上已有的Joback方程和许氏方程的计算值.