以训练完全的bpn预测输出作为适应度再用ga来寻找输出最大解最后解码出对应的多个输入值，算法如何编写
遇到的主要问题有两个：
1、数据集只有50组左右，8个输入1个输出，调整BPANN中各种可调参数都无法使测试集R2稳定在0.85以上，最后在算法中加入循环，每次都用随机选择的训练数据进行训练，把上一次的权值和阈值赋值给下一次，重复15左右可以使测试R2稳定在预期值，这样的做法是否合理？
2、将神经网络预测值（倒数）作为fitness应该怎么写完整算法，怎么用GA算法对8个输入条件和预测输出值进行编码和解码？
ps：本人不是计算机专业所有模型算法都是自己折腾，建模都是在MATLAB做的
这个方法已被用于化学催化剂开发，由于催化剂制备涉及各成分的质量配比，pH，煅烧温度和时间，甚至可以考虑应用催化剂时的影响变量包括反应温度，底物浓度等，已有相关论文发表。（有兴趣的可以发邮件542708956@qq.com，我提供数据集，帮上忙的可以给一些酬劳，谢谢）