基于烟花算法的BP神经网络预测含根土抗剪强度

为了解决BP神经网络在对含根土抗剪强度的预测中存在的预测精度低，计算收敛速度较慢，容易陷入局部极值等问题，本研究通过直剪试验、团聚试验、根系分形分析试验等探究了不同因素对含根土抗剪强度的影响，并对各因素进行相关性分析，从中选取了大团聚体含量（R0.25）、平均重量直径（MWD）、几何平均直径（GMD）、土壤分形维数（Dd）、根表面积、平均直径6个影响含根土抗剪强度的因素作为模型输入层节点，含根土的抗剪强度作为输出层节点。参考FangfaGorman理论公式、Kolmogorov理论公式以及一种经验公式分别计算，并对结果进行讨论，确定了本研究中神经网络的最佳隐含层节点数量为13。建立6∶13∶1的BP神经网络模型，并引入了烟花算法（FWA）对BP神经网络进行优化。结果显示，BP神经网络、粒子群算法（PSO）优化的BP神经网络、FWA-BP神经网络的预测值与期望值的最大相对误差分别为11.12%、9.06%、7.44%，平均相对误差分别为4.60%、3.24%、1.96%，相较于BP神经网络和PSO-BP神经网络，FWA-BP神经网络预测误差值有明显降低；对比引入的统计参数，均方根误差（R...     

一种基于翻转角度的二进制粒子群优化算法

为了提高二进制粒子群优化的收敛速度和收敛效果,提出一种新的改进二进制粒子群优化算法,该算法利用翻转角度作为进化条件,利用局部翻转因子和全局翻转因子来决定粒子群的收敛速度。实验证明,该方法具有更快的收敛速度和更佳收敛值。     

基于BP神经元网络的鱼塘溶氧预测模型研究

为了能够提高水产养殖中水体溶氧量短期预测精度,提出将遗传算法和反向传播(BP)神经网络相结合的预测模型。根据相关研究,采用对池水含氧量影响较大的几个影响因素,作为预测模型的输入端变化量;BP神经网络优化的阈值和初始权值通过遗传算法来获得,遗传算法具有全局搜索能力。采用改进后的BP神经网络建立起短期鱼塘含氧量预测模型,该方法具有较高的预测精度。     

应用人工蜂群算法求解旅行商问题

旅行商问题(TSP)是经典的组合优化问题之一。人工蜂群算法是近年来被提出的一种新的智能启发式算法。根据旅行商问题的模型特点,设计人工蜂群算法对算例进行仿真求解。同时将人工蜂群算法与遗传算法进行对比,结果表明:人工蜂群算法可以有效的求解旅行商问题,在收敛速度、计算效率、稳定性方面相对遗传算法具有一定的优势。     

BP神经网络的权值快速计算法及其逼近性能分析

人工神经网络作为人工智能的重要组成部分,有非常大的应用潜力。本文在阐述其神经网络的基本原理、发展与应用的基础上,着重研究了BP神经网络算法与其它一些优化算法之间相互融合的改进。BP神经网络在人工神经网络模型中是最典型、最好用、也是应用最广泛的一种网络模型。它是多层前向神经网络的一种,可以用任意精度逼近任意非线性函数,逼近性能尤其明显,最关键是它结构简单,是一种性能优良且简单易看的神经网络。     

基于模拟退化算法的混合遗传算法及其应用

将遗传算法和模拟退火算法进行了有机结合,并采用一种自适应的交叉和变异概率,本文提出了一种改进的混合遗传算法——自适应的模拟退火遗传算法.通过旅行商问题的仿真实验,对比遗传算法和模拟退火算法的实验结果,这种混合遗传算法改进了传统遗传算法的性能,并且提高了整个算法的收敛速度,拥有更好的优化性能.     

能源总量的BP网络与粒子群优化预测

能源是影响人类生存、发展的最重要的因素之一,它决定着生活水平和经济发展的快慢,准确预测能源总量具有重要意义。本文提出一种采用BP网络及粒子群优化对能源总量进行预测的方法。仿真实验表明,BP神经网络预测精度与网络参数初始值有很大关系,将粒子群优化BP模型与传统的BP网络预测结果进行比较,证明PSO-BP模型预测比传统BP网络的预测结果更加准确。     

基于遗传算法优化的RBF网络预测瓦斯涌出量

RBF网络待定参数较多,难以确定出最佳值,因此利用RBF神经网络预测瓦斯涌出量具有一定的局限性。本文采用遗传算法优化、简化RBF网络结构及参数,建立GA-RBF预测模型对瓦斯涌出量进行预测。该模型利用遗传算法的选择、变换、变异等运算,再按照优胜劣汰的原则保留网络参数的最优值。仿真实验表明,GA-RBF预测精度优于传统的RBF预测模型,训练速度也有明显提高。     

一种函数优化的新算法

在多变量函数优化问题中,使用遗传算法可能出现优化结果不收敛的问题。针对此问题本文提出了一种新的算法,它模仿的是落体碰撞的过程。此算法全局搜索能力较强,且具有强收敛性,可以解决其他算法在特定算例中出现的不收敛问题。     

基于遗传算法优化的BP神经网络的禽病辅助诊断与管理信息系统的设计与实现

为了满足基层养殖场对兽医服务的需要,降低养殖场家禽发病率,研究采用B/S结构模式设计遗传算法优化的BP神经网络的禽病辅助诊断与管理信息系统,应用Visual Basic.NET、Asp.NET开发语言与SQL Server 2008数据库等实验工具进行构建,采用遗传算法优化BP神经网络的推理机制进行疾病诊断专家系统的开发,运用遗传算法在全局空间上搜索权值和阈值的最优解,再用BP算法在最优点附近寻求最优值。结果表明:在实际应用中,系统运行稳定,误诊率低,可以提高养殖场管理效率,可用于进一步分析与挖掘养殖场生产数据中的潜在信息,提高利用效率。     

电力负荷预测神经网络模型的设计

为提高电力负荷预测精度,本文采用Elman神经网络建立模型,提出了一种基于Elman神经网络的电力负荷预测方法 ,采用自适应学习速率动量梯度下降反向传播算法进行网络训练,对乌鲁木齐电网的实际历史数据进行了仿真,仿真结果表明,Elman神经网络对电力负荷进行预测具有收敛速度快,预测精度高的优点。     

基于GA-PSO-BP神经网络的羊群动态称重方法改进

为了解决羊只称重时因应激反应过大导致测量不精准问题,试验搭建了羊群动态称重系统并设计了一种改进GA-PSO-BP神经网络的羊群动态称重方法,即利用滑动平均滤波算法对干扰数据进行平稳处理,采用改进GA-PSO混合算法优化BP神经网络的权值和阈值;并对BP神经网络、PSO-BP神经网络、改进GA-PSO-BP神经网络三种模型进行训练和性能比较。结果表明：改进GA-PSO-BP神经网络的预测准确度最高,预测误差在1.00 kg内的体重值占85%;平均绝对百分比误差为0.679 6%,较BP神经网络(1.007 4%)和PSO-BP神经网络(0.975 2%)都有明显提升,但测量单只羊只所需时间为11.2 s,较PSO-BP神经网络(10.5 s)稍低。说明改进GA-PSO-BP神经网络的羊群动态称重方法可满足牧场智能化饲养需求。     

改进布谷鸟搜索算法在无功优化中的应用

为解决电力系统的无功优化问题,对标准布谷鸟搜索算法进行探讨和改进。利用Kent混沌映射产生初始种群,以增加初始解的多样性;自适应改变惯性权重,以提高算法的寻优能力和收敛速度,防止算法陷入局部最优。改进的布谷鸟算法寻优能力强,收敛速度快,能够有效降低系统网损、减少电压偏差和提高电压稳定性。     

基于改进遗传神经网络的紫花苜蓿总黄酮提取工艺参数优化

针对回归分析方法优化紫花苜蓿总黄酮提取工艺参数存在的问题,提出一种改进的遗传神经网络优化方法,该方法利用区间自适应遗传算法自动调整搜索区间的特点,彻底取代神经网络反向传播过程调整权值和阈值。以紫花苜蓿总黄酮提取率为性能指标,选取液料比、提取时间、提取温度和乙醇浓度4个工艺参数为试验因素,依据4因素5水平正交旋转组合试验数据建立学习样本,训练遗传神经网络。当神经网络训练误差达到4.34×10^-9时,遗传神经网络算法的平均相对误差为0%,而回归模型的平均相对误差为0.58%,拟合精度和拟合优度明显优于回归模型。用训练好的遗传神经网络算法优化紫花苜蓿总黄酮提取工艺参数,获得最优工艺参数为:取液料比53.26 mL/g、提取温度70.96℃、提取时间50.32 min、乙醇浓度为60%,紫花苜蓿总黄酮提取率达到最大值6.51 mg/g。     

雾霾的RBF网络与遗传算法优化预测

雾霾是对大气中各种悬浮颗粒物含量超标的笼统表述。随着空气质量的恶化,阴霾天气现象出现增多,危害加重。为了更加准确的预测雾霾天气的形成,本文基于自然界遗传机制和生物进化论,提出了一种基于遗传算法优化的RBF神经网络雾霾形成的预测模型,并使用MATLAB进行仿真研究。研究表明RBF神经网络预测精度与网络权值和RBF参数初始值有很大关系,因此本文采用遗传算法优化RBF网络权值和其他参数,形成GA-RBF预测模型。该模型通过计算群体中个体适应度,确定全局最优值,寻找网络参数的最优值。实验结果表明GA-RBF优于传统的RBF预测模型,训练速度和预测精度显著提高。     

基于优化的BP神经网络柴油机燃料系故障诊断仿真研究

神经网络具有并行处理能力、自学习能力,自适应能力和可以逼近任意的非线性函数等特点,是解决非线性、多变量、不确定的复杂诊断问题的一条有效的途径,神经网络的这些特点使得它在故障谚断领域应用越来越广泛。本文利用LM改进学习算法训练所建立的BP神经网络,然后利用训练好的神经网络进行柴油机故障诊断,得出诊断结果,使故障诊断具有人工智能化。     

求解置换流水车间调度问题的一种混合算法

置换流水车间调度问题是一类经典的组合优化问题，智能优化算法是求解该问题的首要方法。遗传算法和分布估计算法在PFSP问题上均存在着一定的缺陷，即无法平衡局部搜索和全局搜索。为了克服它们的缺陷，本文将分布估计算法与遗传算法结合，并引入模糊逻辑控制来调节两种算法的参与率，最后用基准算例的测试结果证实了本文所设计的混合算法是有效的。     

求解置换流水车间调度问题的一种混合算法

置换流水车间调度问题是一类经典的组合优化问题,智能优化算法是求解该问题的首要方法。遗传算法和分布估计算法在PFSP问题上均存在着一定的缺陷,即无法平衡局部搜索和全局搜索。为了克服它们的缺陷,本文将分布估计算法与遗传算法结合,并引入模糊逻辑控制来调节两种算法的参与率,最后用基准算例的测试结果证实了本文所设计的混合算法是有效的。     

基于遗传神经网络的水解米渣制备小肽工艺优化

本文提出了一种神经网络与遗传算法相结合的水解米渣制备小肽的工艺参数优化方法。以试验数据为样本．通过神经网络建立水解工艺参数与水解度关系之间的复杂模型,利用遗传算法对酶解工艺参数进行优化,充分发挥神经网络的非线性映射能力和遗传算法全局寻优能力。     

基于改进BP神经网络的凉山半细毛羊生产性状预测

为了对凉山半细毛羊生产性状进行预测,试验以遗传算法优化的BP神经网络建立预测模型,通过观测凉山半细毛羊从初生到断奶的5个早期性状(羔羊初生重、羔羊断奶重、初生～断奶日增重、断奶毛长度、断奶毛细度)对其2个成年生产性状(成年体重、成年剪毛量)进行预测。预测值与实测值的相关系数分别为0.878和0.889,说明该预测模型具有较高的准确性,且网络训练时间为39.53 s。与传统的BP神经网络相比,预测精度和训练时间都得到较大提高。