改进遗传算法优化BP神经网络的图像压缩*

罗 山

(攀枝花学院交通与汽车工程学院，四川 攀枝花 617000)

0 引言

针对BP神经网络和遗传算法存在收敛速度慢、易陷入局部极小值等不足，文献[1]实现了基于遗传算法的BP神经网络压缩算法，压缩性能有所提高。文献[2]提出一种基于遗传算法的混合智能学习算法，克服了BP算法收敛速度慢和易局部收敛的缺陷。杨从锐等[3]提出一种改进的自适应遗传算法，该算法在全局寻优的收敛速度、最优解、求解精度和稳定性等方面都有较大的改善。陈闯等[4]提出一种改进遗传算法优化BP神经网络的识别算法，提升了遗传算法的寻优性能。闫春等[5]利用改进的自适应遗传算法优化BP神经网络初始权重。

本文针对现有改进的遗传算法的不足，改进非线性自适应调整交叉概率和变异概率的方法，以保留更多的优良个体，加快收敛速度，使算法搜索到全局最优解。将改进的遗传算法对神经网络进行优化并用于图像压缩，进行仿真实验，最后将改进方法与原来方法进行比较分析，验证了改进方法的有效性。

1 改进的遗传算法

1.1 适应度函数设计

遗传算法优化BP神经网络中，根据最优个体获得初始权值和阈值，用训练数据训练BP神经网络后预测系统的输出，把预测输出和期望输出之间的误差绝对值之和作为个体适应度值，以此评价个体的优劣，适应度值越小，表示该个体越优。其适应度函数表达式为：

.

(1)

式中，n为网络输出层节点个数，yi为网络第i个节点的期望输出，oi为第i个节点的预测输出，k为系数。……