神經(jīng)網(wǎng)絡(luò)的設(shè)計要用到遺傳算法，遺傳算法在神經(jīng)網(wǎng)絡(luò)中的應(yīng)用主要反映在3個方面：網(wǎng)絡(luò)的學(xué)習(xí)，網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計，網(wǎng)絡(luò)的分析。

1．遺傳算法在網(wǎng)絡(luò)學(xué)習(xí)中的應(yīng)用

在神經(jīng)網(wǎng)絡(luò)中，遺傳算法可用于網(wǎng)絡(luò)的學(xué)習(xí)。這時，它在兩個方面起作用

(1)學(xué)習(xí)規(guī)則的優(yōu)化

用遺傳算法對神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則實現(xiàn)自動優(yōu)化，從而提高學(xué)習(xí)速率。

(2)網(wǎng)絡(luò)權(quán)系數(shù)的優(yōu)化

用遺傳算法的全局優(yōu)化及隱含并行性的特點(diǎn)提高權(quán)系數(shù)優(yōu)化速度。

2．遺傳算法在網(wǎng)絡(luò)設(shè)計中的應(yīng)用

用遺傳算法設(shè)計一個優(yōu)秀的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，首先是要解決網(wǎng)絡(luò)結(jié)構(gòu)的編碼問題；然后才能以選擇、交叉、變異操作得出最優(yōu)結(jié)構(gòu)。編碼方法主要有下列3種：

(1)直接編碼法

這是把神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)直接用二進(jìn)制串表示，在遺傳算法中，“染色體”實質(zhì)上和神經(jīng)網(wǎng)絡(luò)是一種映射關(guān)系。通過對“染色體”的優(yōu)化就實現(xiàn)了對網(wǎng)絡(luò)的優(yōu)化。

(2)參數(shù)化編碼法

參數(shù)化編碼采用的編碼較為抽象，編碼包括網(wǎng)絡(luò)層數(shù)、每層神經(jīng)元數(shù)、各層互連方式等信息。一般對進(jìn)化后的優(yōu)化“染色體”進(jìn)行分析，然后產(chǎn)生網(wǎng)絡(luò)的結(jié)構(gòu)。

(3)繁衍生長法

這種方法不是在“染色體”中直接編碼神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，而是把一些簡單的生長語法規(guī)則編碼入“染色體”中；然后，由遺傳算法對這些生長語法規(guī)則不斷進(jìn)行改變，最后生成適合所解的問題的神經(jīng)網(wǎng)絡(luò)。這種方法與自然界生物地生長進(jìn)化相一致。

3．遺傳算法在網(wǎng)絡(luò)分析中的應(yīng)用

遺傳算法可用于分析神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)由于有分布存儲等特點(diǎn)，一般難以從其拓?fù)浣Y(jié)構(gòu)直接理解其功能。遺傳算法可對神經(jīng)網(wǎng)絡(luò)進(jìn)行功能分析，性質(zhì)分析，狀態(tài)分析。

遺傳算法雖然可以在多種領(lǐng)域都有實際應(yīng)用，并且也展示了它潛力和寬廣前景；但是，遺傳算法還有大量的問題需要研究，目前也還有各種不足。首先，在變量多，取值范圍大或無給定范圍時，收斂速度下降；其次，可找到最優(yōu)解附近，但無法精確確定最擾解位置；最后，遺傳算法的參數(shù)選擇尚未有定量方法。對遺傳算法，還需要進(jìn)一步研究其數(shù)學(xué)基礎(chǔ)理論；還需要在理論上證明它與其它優(yōu)化技術(shù)的優(yōu)劣及原因；還需研究硬件化的遺傳算法；以及遺傳算法的通用編程和形式等。