Question

蚁群算法优化BP神经网络 遇到的问题。

看了不少文献，发现蚁群算法优化神经网络是利用蚁群算法在解空间寻找出一组最优的权值和阈值，然后将这一组解带回到神经网络进行细致优化，从而得到最好的权值和阈值。但是这样并没有从根本上解决BP算法容易陷入局部最小值的缺点，因为他还是用了梯度下降法进行细致优化。那么蚁群算法优化BP神经网络也就失去了意义了。
在这里，我迷茫了，智能算法不可避免的会用到随机取值，每一次计算出的结果或者计算出的误差都可能不同，那么有哪一种算法会保证他得到的结果会是最优的呢？尤其是进行预测时，并不是1+1=2这样确定的结果。
现在课题陷入僵局，很困惑，说的乱七八糟的，希望懂蚁群优化BP的人来讨论、指教。

Answer 1

蚁群算法的实质是遗传算法，为了避免陷入局部最优解，我使用的办法是基因多样化算法，初始化基因组时，多取几组随机值，然后对这n组数据同时进化优化，并行计算。这样可以大大减低陷入局部最优解的风险