基于遗传算法优化混沌神经网络的股票指数预测

为提高BP神经网络预测模型对混沌时间序列的预测准确性,提出一种基于遗传算法优化BP神经网络的改进混沌时间序列预测方法。本文采用时间序列输入输出参数数量构造BP神经网络拓扑结构,利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型求得最优解,将该预测方法应用到上证综合指数的时间序列进行有效性验证,结果表明了该方法对上证综合指数具有更好的非线性拟合能力和更高的预测准确性。     

遗传算法神经网络的国际黄金现货价格预测

一、遗传算法优化神经网络的基本原理用遗传算法优化神经网络体现了遗传算法和神经网络结合的思想,遗传算法是基于达尔文进化论的思想,模拟生物进化过程的计算方法。同样,神经网络也是模拟生物大脑神经网络机制的计算模型,所以遗传算法的研究与神经网络的研究有若干共同点。     

基于GA-BP神经网络的顾客满意度测评研究

本文利用遗传算法与神经网络的特性,建立了基于GA-BP神经网络的顾客满意度测评模型。该模型首先将BP网络的权值和阈值通过遗传算法进行优化,然后对BP网络进行训练。网络最终测评结果较BP神经网络更有效、准确。通过某商场实例数据证明此测评模型收敛速度快、预测精度高,为顾客满意度测评提供了一种实用的方法。     

供应链协同预测模型及实证研究

在零售行业中,预测与补给对缩减供应链运作成本、提高客户满意度起到非常重要的作用。协同需求预测是供应链整体优势提高的核心。本文针对BP神经网络在预测中的不足,用遗传算法优化模型,然后应用到供应链上企业间的需求预测。最后通过实例分析,优化模型提高了预测的精度,该模型是有效的。     

遗传神经网络在电信业务收入预测中的应用研究

误差反向传播神经网络(BPNN)由于优越的非线性数据处理性能以及较强的学习能力而被广泛地运用于电信业务的预测当中。然而,神经网络常常存在着收敛于局部最优解、学习时间长等缺陷而影响其预测效果,而遗传算法(GA)是一种全局寻优搜索算法,能够有效克服上述缺陷。本文针对影响电信业务收入的主要因素,将BP神经网络与遗传算法有机结合起来,建立了相应的遗传神经网络模型用于电信业务收入预测,并利用实际数据进行效果验证。实验表明,该预测模型具有很强的学习能力和自适应性,其预测结果优于BP神经网络模型,而且具有良好的泛化性。     

论电信业务收入预测中遗传神经网络模型的结构及算法

遗传算法（GA）有很好的全局搜索能力,能从概率的意义上以随机的方式寻求到问题的最优解。但另一方面,遗传算法应用中容易产生早熟现象,局部寻优能力较差,而遗传算法与神经网络的结合可以发挥各自的优点。本文针对影响电信业务收入的主要因素,将BP神经网络与遗传算法有机结合起来,建立了相应的遗传神经网络模型用于电信业务收入预测,并利用实际数据进行教果验证。     

基于模糊处理和遗传优化的小波神经网络股指区间预测

文章基于模糊粒化和遗传算法优化的小波神经网络,建立了一种新型股指区间预测模型。并对上证指数开盘数据进行实证检验,预测结果表明模型预测结果比较准确,模型具有较高的预测精度,误差率较小。文章建立的股指预测模型对探究中国股票市场波动趋势有一定意义,同时也为投资者进行股市投资提供一种投资参考。     

基于BP神经网络模型的股票价格研究

本文将BP神经网络模型与主成分分析法和遗传算法相结合,建立了预测股票价格变化的动态PCA-GA-BP模型。该模型能改善BP神经网络模型运算速度缓慢和易陷入局部最小值的缺点,弥补传统股票价格预测方法的不足。     

基于遗传神经网络的商业银行信用风险评估系统研究

近年来,商业银行信用风险的防范与管理一直备受各国重视。对其进行正确、有效的风险评估,应采用MATLAB工具和VisualC++程序构建基于遗传神经网络的商业银行信用风险评估模型,即运用遗传算法对BP神经网络进行优化,使模型实现优势互补,来仿真实现可操作的信用风险评估系统。以某商业银行提供的样本数据进行的实证分析结果表明:运用遗传算法优化权值的BP神经网络比未优化的BP神经网络对于商业银行信用风险的评估会更准确快速。这为制定我国商业银行信用风险的评估研究提供了参考,具有一定的理论和现实意义。     

基于神经网络的云南中烟前置库短期负荷预测

用人工遗传算法来优化BP神经网络的初始权值,从全局空间出发搜索问题的最优解,对烟草工业企业多点生产、多点运输的调度平台进行短期压力负荷预测,达到成品卷烟产运网络优化的目标,更精确的实现产量与运输量的预测。最后以云南中烟省外三个前置库作为预测模型的测算实例,测算三库在一段时期内的负荷压力,并根据负荷压力就其设立合理性进行分析。     

复合形遗传算法求解功率优化分配研究

传统遗传算法存在过早收敛及局部搜索能力差的缺点,在求解无线网络协作通信功 率优化分配等NP难问题时难以求得最优解。通过小生境策略解决遗传算法过早收敛问题,引 入复合形法提高局部搜索能力,构造了兼顾广度搜索与深度搜索的高性能混合算法,并对上 述问题进行求解。实验结果表明,所提算法与已有算法相比有一定优势,有效延长了协作网 络寿命,稳定性较好,分配的功率波动范围小。     

基于a-k-gn法的边坡稳定性分析

在边坡稳定性分析中,边坡安全系数受地质条件、地貌因数、水文气候、地震作用、风化作用等众多因素的影响,这给边坡评价带来了极大的困难.采用a-k-gn法预测边坡安全系数:用层次分析法对影响边坡稳定性的主要因素进行分析;用自组织竞争kohonen神经网络列-边坡样本进行归类;运用经过遗传算法优化的bp神经网络(遗传神经网络)方法,建立边坡安全系数隐函数关系式,从而预测边坡安全系数.用kohonen神经网络归类后的边坡数据为样本,用层次分析法选取了容重γ、粘聚力c、内摩擦角φ、边坡角α、边坡高度h和孔隙压力比γu作为边坡安全系数隐函数的随机变量输入单元,以边坡安全系数f作为输出单元.通过预测值与实际值的对比分析,验证了a-k-gn法预测边坡安全系数的合理}生.     

基于遗传神经网络的船舶供应商评价体系研究

文章针对现有评价方法在对指标权重赋值时存在的主观随意性问题,提出了基于BP神经网络的船舶供应商评价模型,并运用遗传算法对所建立的神经网络模型进行优化。经过实例分析,得出结论。     

遗传算法的支持向量机模型在房地产估价中的应用

利用遗传算法对传统的支持向量机进行改进,提出GA—SVM房地产估价模型,并运用到房地产估价的预测中,通过与支持向量机模型、BP神经网络模型和市场比较法的对比研究发现,该方法估价预测精度要明显高于BP神经网络模型和市场分析法,略高于支持向量机模型,所以GA-SVM房地产估价模型更具有推广性,更适合于有限样本的房地产价格估价。     

基于核主成分的支持矢量机信用评级

本文提出模糊支持矢量机的模糊规则提取方法,针对当前SVM的常见模型参数选择的方法的不足,引入遗传算法的自动模型选择优化方法;考虑到信用评级数据的非线性特征,提出了新的信用评级核主成分(KPCA)的特征提取方法,减少指标间的相关性,提高模型的预测精度;使用上市公司数据进行了实证分析,实验结果证明了该信用评级方法优于神经网络的方法,证明了该方法适用性。     

基于GA—BP神经网络模型的期货价格预测与分析

本文选取20091月5日～10月29日的大豆期货主力i1001合约共200个交易数据作为训练数据，10月30日～11月12日的10个数据为测试数据，利用BP神经网络对期货价格建立预测模型，并用遗传算法进行修正，从而实现对大豆期货交易价格的预测分析。结果表明，改进后的GA—BP神经网络模型拟合精度明显高于BP神经网络模型，并对期货价格走势有良好的预测效果，可给期货市场的投资者提供投资建议。此外，利用改进后的模型可对期货市场操纵现象进行预警，对监管者具有一定参考价值。     

移动传感器网络的安全性能智能预测

移动传感器网络的物理层安全问题日益复杂,已经成为了一个研究热点。为了及时处理网络安全事件,研究了移动传感器网络的安全性能预测,提出了一种基于灰狼优化广义回归（Grey Wolf Optimization-Generalized Regression,GWO-GR）神经网络的安全性能智能预测方法。该方法利用发射天线选择策略,推导了非零安全容量概率性能的精确闭合表达式。仿真比较了所提方法、反向传播神经网络、广义回归神经网络、支持向量机等方法,结果表明,所提方法可以实现更好的预测性能,提高安全性能预测的实时性。     

基于遗传算法优化BP神经网络的手机广告投放研究

随着5G网络的迅速发展和深度普及，手机广告已成为继报纸、杂志、广播和电视四大媒体后的第五大媒体，依据其分众性、定向性、互动性等特点，已逐渐发展成为商家进行产品推广的一种主要手段。然而目前的手机广告投放普遍缺乏精准性，本文通过对手机广告系统中记录的手机用户历史点击信息，用遗传算法优化的BP神经网络进行学习，利用学习完后网络的结构模型对手机用户感兴趣广告类别进行预测，从而提高了手机广告投放的精难度。     

6-DOF焊接机器人的路径优化算法研究

以六自由工业机器人为对象,研究机器人焊接作业时的路径优化算法。对六自由工业机器人的逆运动学原理进行介绍,分析在一定范围内的焊接作业路径优化,以时间最短或路径距离最短为研究指标,选择两种智能算法(遗传算法和Hopfield神经网络算法)进行分析运用MATLAB软件进行仿真测试,对比分析它们的优缺点,为下一步焊接机器人的路径优化实验奠定基础。     

刍议组合优化问题的求解方法

在人工智能和工程技术等诸多领域的研究课题中有很多属于组合优化问题,其问题的解决需要利用各种优化算法在庞大的搜索空间中寻找最优解。文章首先回顾了非线性组合优化问题的研究历史和研究现状。然后重点介绍了解决非线性组合问题的四种常见方法：Hopfield神经网络算法、模拟退火算法、遗传算法和蚁群算法,对研究NP问题又进一步拓宽了研究思路。