基于遗传神经网络的机械故障诊断

本文针对BP神经网络存在的不足,将遗传算法和BP神经网络有机结合起来,利用遗传算法的全局搜索能力优化了神经网络的初始权值和阈值,并将其应用于机械故障诊断。结果表明,在MATLAB环境下进行仿真试验,这种方法能够有效进行故障识别、提高故障诊断精度。     

遗传算法在工程结构优化中的应用研究

首先介绍了遗传算法，接着将遗传算法与传统优化算法作了比较，然后介绍几种遗传算法改进的策略，接着通过一个简单的例子验证了遗传算法是求解全局最优解的一个有效方法，同时介绍遗传算法在实际应用中经常使用的几种改进方法，最后探讨了遗传算法与传统优化方法，BP神经网络，Hopfied神经网络，模拟退火算法，通用有限元软件的结合，以期能更好地解决复杂工程结构的优化问题。     

基于GA-BPNN的上市公司财务预警模型

为了提高财务预警模型的精度，针对BP算法训练过程中容易陷入局部极值而影响预测效果的缺陷，文章应用遗传算法和BP神经网络相结合的混合算法进行改进。通过对深沪两市A股市场74家制造业上市公司样本的实证研究比较。发现混合算法不论对建模样本还是对多期间检验样本，都显示出比传统BP算法更高的预测精度。GA-BPNN算法不仅具有BP算法较强的局部搜索能力，而且也吸收了遗传算法擅长全局寻优的特点，二者的结合可大大提高预测精度。     

基于遗传算法的分式线性神经网络预测原油气油比

提出了基于遗传算法的分式线性神经网络优化方法。该方法首先用遗传算法优化分式线性网络的权值,然后在遗传进化结果的基础上,利用分式线性网络反向传播(BP)算法训练分式线性网络,获得网络的最优权值。作为应用,预测原油溶解气油比的基于遗传算法的分式线性神经网络模型被给出。对比实验表明,基于遗传算法的分式线性神经网络优化方法是一种新的建模方法。     

基于遗传算法优化BP神经网络的集装箱吞吐量预测

集装箱吞吐量预测是港口规划建设、生产计划安排、调整港口发展方向的重要基础。针对集装箱吞吐量与其影响因素之间的复杂非线性特征,文章提出基于腹地GDP、腹地货运量、港口前三年集装箱吞吐量作为网络输入构建的遗传算法改进的BP神经网络预测模型(GA-BP),该方法综合考虑到BP神经网络非线性拟合能力强的优点,同时通过遗传算法全局搜索能力强等特点对BP神经网络易陷入局部最优进行改进。为验证提出模型的有效性,选取福州港为案例进行验证,结果显示GA-BP模型的预测精度明显优于BP神经网络,同时对比历史集装箱吞吐量作为输入变量的预测结果,GA-BP模型预测结果精度更高。     

物流配送路径优化问题的模型及改进混合算法

在建立带有时间窗的物流配送路径优化问题数学模型的基础上．构造了求解该问题的遗传模拟退火混合算法。该混合算法利用了遗传算法较强的全局搜索能力和模拟退欠算法较好的局部搜索能力,克服了两种算法各自在寻优方面的不足,使其在全局最优搜索和计算速度方面都有了很大的提高。最后经仿真试验证实了混合算法解决物流配送路径优化问题的优越性。     

基于改进遗传算法的物流绩效评价方法

在分析物流绩效关键影响因素基础上,提出采用改进的GA遗传算法应用于物流绩效评价测试。以多个主要影响因子为网络的输入信息,建立物流绩效综评遗传神经网络模型,利用GA较强的全局寻优化能力和BP梯度法较强的局部搜索能力,较快同时又较好地综合评价出网络输出信息的物流绩效等级。进行不同综合评价方法对比,结果表明基于改进遗传算法的评价方法计算速度快、精度高、鲁棒性强,可以有效直观地对物流绩效进行综合评价,具有一定实际应用价值。     

遗传算法优化的BP神经网络对汽车销售的预测

为了使BP神经网络拟合复杂函数的能力得到进一步提升,本文通过改变BP神经网络结构的权值和阈值,从而进一步优化遗传算法,并将此设计的模型应用到预测汽车销售系统之中。为了比较它与传统BP神经算法预测效果,我们进行了预测仿真,从中可以比较两者准确性高低与否。仿真结果表明改进后的算法对存在较明显线性相关性的数据时有更好的拟合能力和更高的预测精度。     

基于禁忌遗传粒子滤波的无线传感器网络的目标跟踪

提出了一种禁忌遗传粒子滤波跟踪算法。用遗传算法作全局搜索,用禁忌搜索算法作局部搜索,可以提高遗传算法的局部搜索能力,避免收敛到局部最优点。仿真结果表明:与原算法相比,禁忌遗传粒子滤波算法在大噪声条件下改善了粒子贫乏问题,提高了跟踪精度。     

遗传算法求解最佳证券投资组合

遗传算法作为一种高效并行的全局优化搜索方法,已应用到许多领域,在求解科学研究和工程技术中各种组合优化搜索与优化计算问题方面取得了成功。本文将遗传算法引入到证券投资分析领域,利用该算法对最佳证券组合问题进行优化计算,使求解过程更简洁、直观,适合计算机进行并行处理。本文简要介绍了遗传算法的框架并举例说明了利用遗传算法计算最佳证券组合问题的求解步骤。     

Elman网络在短期负荷预测中的应用

文章介绍的Elman神经网络的短期负荷预测模型,具有模型简单、运算效率高的特点,并具有较好的全局最优性能,从而很好地克服了传统BP算法容易陷入局部极小点的缺陷。文章还比较了Elman网络和BP网络结构的建模效果。通过仿真实验证明了Elman神经网络具有动态特性好、逼近速度快、精度高等特点,是一种实用、可靠的负荷预测方法。     

改进BP神经网络的研究及应用

人工神经网络具有强大的非线性映射能力,已经被应用于模式识别、智能控制、图像处理以及时间序列分析等各种领域。本文针对BP算法的不足,提出了BP算法的启发式改进,通过对遗传神经网络模型及其算法进行分析和研究,针对遗传算法的主要缺陷介绍了一种常用的改进类型。     

浅谈公路工程项目施工网络图的优化

文章针对传统的公路施工网络图优化中存在的问题和不足,运用启发式搜索算法和遗传算法,对公路施工网络优化从时间、费用、资源三方面进行网络计划的优化和调整。     

基于算法的BP神经网络的应用研究

BP神经网络的智能化特征与能力使其应用领域日益扩大,潜力日趋明显,许多传统信息处理方法无法解决的问题采用BP神经网络后取得了良好的效果。因此,BP神经网络已被广泛应用于自动化、工程、经济及医学等各个领域。因此,本文重点研究了BP神经网络的原理、算法及其应用。     

基于粒子群优化算法(PSO)的电力需求预测分析

在电力需求预测领域,本文提出了基于粒子群优化算法(PSO)的组合预测模型,选用灰色GM(1,1)模型和BP神经网络作为单个预测模型,并在BP神经网络中将GDP指标做为输入。同时考虑了GDP对电力需求的影响,最后利用PSO对组合预测模型中的权系数进行优化以得到最优结果。根据真实数据所做对比,本文所提出的PSO算法在预测精度上较单一预测模型相比有了较大幅度的提高。     

基于改进蚁群算法的数控机床主轴优化设计

通过机床主轴结构的分析,建立数学模型优化主轴。改进的蚁群算法,将寻优过程分为粗搜索和精搜索两个步骤,将粗搜索获得的可行解进行变异交叉操作,最后通过精搜索完成整个寻优过程。分别采用改进蚁群算法、基本蚁群算法和常规优化设计对主轴进行优化,对比分析优化结果可知,采用改进蚁群算法优化后体积减少了5.6%,刚度提高了8.2%,并且改进蚁群算法比基本蚁群算法优化耗时减少了36%,比常规优化设计减少了57%,这为机床主轴系统的优化提供了一种切实可行的优化算法。     

一种求解装箱问题的混合算法

针对一维装箱问题,在考虑遗传算法早熟收敛问题和禁忌搜索算法自适应优点的基础上,将遗传算法和禁忌搜索法结合起来,提出了基于遗传和禁忌搜索的装箱优化算法,与简单遗传算法相比,该算法具有更好的收敛性能。最后通过实例验证了算法的有效性。     

基于算法的BP神经网络的应用研究

BP神经网络的智能化特征与能力使其应用领域日益扩大,潜力日趋明显,许多传统信息处理方法无法解决的问题采用BP神经网络后取得了良好的效果,神经网络已被广泛应用于自动化、工程、经济及医学等各个领域。本文重点研究了BP神经网络的原理、算法及其应用。