本文算法为了求解网络入侵检测问题，主要使用有监督的Kohonen神经网络。有监督Kohonen神经网络的网络结构为38-36-5，网络训练结果受权值影响相当大。在算法初期，本文引入杂草算法对Kohonen网络进行权值寻优，目标评价以最小误差作为函数。

通过编写杂草算法来寻找到一个二元函数的最小值

提出了一种新型的混合算法并命名为混合杂草蝙蝠算法（Hybridize Invasive Weed Optimization with Bat Algorithm，IWOBA），该算法在杂草算法的基础上利用蝙蝠算法的回声定位来解决每代种子逐步寻优的问题。其原理是利用种群速度和位置的不断更新，增加种群的多样性，从而达到提高种群的全局收敛性。最后利用6个测试函数对该算法和标准杂草算法进行测试比较。仿真结果表明，IWOBA能够有效克服原算法早熟、易陷入局部最优的缺点，可加快算法收敛速度，具有良好的鲁棒性