Optimization 如何使用遗传算法优化神经网络输入？（最大化投入）

我是这个领域的新手，任何帮助都是有用的。我目前正在用MATLAB做熔炉操作的过程优化。我试图将工艺参数与加热器的效率联系起来，例如：

输入（工艺参数）

热增益加热器通风压力过量空气输出

加热器效率

我首先训练一个神经网络模型，以便根据工艺参数预测效率。我取得了很好的成绩，现在我对表现不感兴趣

接下来，我想使用遗传算法优化（最大化）输入参数热增益。使用热平衡，我的适应度函数（目标函数）是

热增益=（Qf/m）[1-（.5/（21-x1）+.8）（x2-Ta）]Qf燃烧工况过量空气=x1 m为质量流量T为流体温度=x2-Ta环境温度

只有过量空气是神经网络的输入，其他参数没有在网络中使用我没有约束，但我有LB&UB

函数y=适合度（x）

结束

接下来，我设置设计变量的数量及其上下限：

nvars=2；%变量数LB=[3280]；%下限UB=[4310]；%上限

[x，fval]=ga（@fitness_func，nvars，[]、[]、[]、[]、[]、LB、UB，@（x））

我仍然不知道如何将网络输入适应GA（以最大化输入）

---

我希望我已经清楚地解释了这个问题。正如我在开始时所说的，我对这个问题是新手，非常感谢您的帮助

网络拓扑是否固定，您使用的是什么类型的计算单元（神经元）？网络部分已经完成，我在一个层中使用了20个神经元。所以我有3个输入，1个输出。我需要知道如何使用遗传算法最大化网络的第一个输入（热增益）。我写了脚本，但仍然不知道如何完成它。谢谢

y = (Qf/m)*[1-(.5/(21-x1)+.8)*(x2-Ta)];