问用神经网络和遗传算法求解异或问题

EN

我试着用神经网络解决异或问题。为了训练我用了遗传算法。

但是经过一定数量的代数(200)后，错误卡在1，并且输出是正确的，除非输出是0，而不是1，我不明白为什么会发生这种情况。

人口规模: 100

交叉率: 70

突变率:5

精英人数:2

激活功能:乙状结肠

选择方法:有7人参加的比赛选择

变异算法

for (int i=0; i< individual.getNbrOfWeights(); i++)

    if (random(0,100) < mutationRate)
    {
        genome[i] = genome[i] + random(-0.1,0.1);
    }

适应度计算=

double error = 0;

error = error + feedForward({0, 1}, 1);
error = error + feedForward({1, 0}, 1);
error = error + feedForward({1, 1}, 0);
error = error + feedForward({0, 0}, 0);     

fitness = error;

其中，错误是目标输出。

我试着在变异中将权重设置在-2.2，但它变得更糟了(误差停留在1.6 )。所以如果它有义务在某一范围内设定重量.

我真的需要你的帮助，谢谢。

编辑

实际上，问题是在权值初始化和变异方法上。

• 当我将权重设置在-11之间时，该算法不收敛.但我越扩大范围，就越能得到更好的结果，比如-4 - 4。
• 对于突变，我尝试了两种方法(随机选择一个基因突变)：

->在-0.1之间加入随机扰动，突变率为5% .这样，我在1800代就得到了最好的结果(网络输出就像期望的那样)。

->用一个新的基因改变基因的值。新的值应该属于范围。在这种情况下，我必须将变异率提高到50%，这样算法才能收敛。重量必须至少在-7到7之间，否则就不会收敛。