《表1 个体适应度：改进增强拓扑神经进化算法及其乳腺癌应用》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《改进增强拓扑神经进化算法及其乳腺癌应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对基本NEAT算法和本文改进后的算法各进行了6次独立实验，基本NEAT算法20个个体的第30代结果如表1所示，优化权重后算法第30代结果如表2所示。对比表1和表2的结果可以看出，优化权重后最优个体适应度均显著高于基本NEAT算法，最差个体及个体均值情况也好于基本NEAT算法，由此可见，采用遗传算法进化得出的模型权重初值对仅由TensorFlow随机产生的初始权重网络具有更加积极的指导作用。因此，在不显著增加算法时间复杂度的情况下，可以考虑使用遗传算法优化模型的初始权重。