Neural network 用遗传算法和人工神经网络进行校准

我必须对一个有10个参数的模型进行校准。使用遗传算法进行校准，但为了避免遗传算法在局部最优解上收敛，我想使用人工神经网络来寻找全局最优解。我可以使用遗传算法中为ANN获得的相同参数值吗。怎么做，安？我的模型类似于Output=F（输入，参数）。谢谢。

GA和ANN同样可能陷入局部极小值。从众多旨在避免过早收敛的技术中选择一种并使用其中一种

使用遗传算法时，最重要的是降低选择压力，这将使您以较慢的收敛速度为代价避免局部极小值。假设您有时间等待，那么选择压力将非常低，这样更好的解决方案只会稍微有可能被选择为更差的解决方案。这通常适用于所有启发式参数优化-大多数新手都会认为快速、贪婪的收敛是一件好事。事实并非如此。试着使你的收敛速度尽可能慢，这将让你的算法探索尽可能多的奇怪的选择

---

其他有帮助的事情：增加总体规模，添加DEME（仅间歇性“交流”的孤立总体），重新排序并运行优化多次，添加与一般总体相似的适应度惩罚。

ANN通常不适合进行参数优化，因为人工神经网络擅长模式识别，而不是探索问题空间。既然你似乎没有走太远的路，我会听从@Gurgeh的建议。避免遗传算法中局部极小值的技术。

听起来像遗传算法的问题。安没办法。一般来说，遗传算法用于优化问题，而人工神经网络适用于解决分类问题。遗传算法可用于神经网络优化。缺点是使用人工神经网络进行校准。除非您可以将校准结果表示为分类假设，否则您应该使用遗传算法的机制和技术，以尽可能避免局部最优。

根据您使用的网络类型，ANN在搜索空间时也容易达到局部极小值。调整后支柱上的动量设置有助于防止出现这种情况。