Lamarck式进化与进化神经网络中的鲍尔德温效应
摘要：混合神经进化算法可能受到达尔文或拉马克的进化方法的启发。在达尔文进化的情况下，鲍德温效应即学习特征逐步纳入基因型，可以被观察和利用以提高搜索效果。本文旨在进行一项实验研究，探讨学习如何改进G-Prop基因搜索。研究探讨了两种结合学习和遗传搜索的方式：一种利用鲍德温效应，另一种采用拉马克式策略。我们的实验结果表明，使用拉马克算子使算法找到的网络具有较低的错误率和最小的大小，而使用鲍德温效应得到的MLP具有最小的错误率，但尺寸较大，并且需要更长时间达到解决方案。这两种方法都比其他基于BP的算法（如RPROP）、其他进化方法和基于模糊逻辑的方法具有较低的平均错误率。
作者：P.A. Castillo, M.G. Arenas, J.G. Castellano, J.J. Merelo, A. Prieto, V. Rivas and G. Romero
论文ID：cs/0603004
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2007-05-23