基于最佳能耗的电动拖拉机多作业点路径规划算法研究

为解决电动拖拉机多作业点行驶过程中能量消耗大、续航里程短的问题,提出了一种基于能量消耗最佳的Hopfield神经网络的多作业点路径规划算法。首先确定电动拖拉机行驶过程中的能量消耗关系式,其次依据Hopfield神经网络进行算法编写,最后进行算法仿真实验。仿真结果表明:该路径规划算法可以使电动拖拉机多作业点行驶过程中的能量消耗大大减少,延长了电动拖拉机的工作时间。     

基于神经网络方法的系统级故障诊断

在Malek模型下,构造了一个连续Hopfield神经网络来解多处理机系统中最可能的故障处理机集问题,并对此方法进行了仿真。     

基于蚁群算法的旅游线路优化

旅游成为当今休闲放松的重要方式,每位旅客受空间、时间和经济能力限制具有不同需求,因此游客面临的首要问题就是选择适合的旅游线路。针对宣城市丰富的旅游资源,利用蚁群算法对13个特色景点进行线路规划,然后建立带约束线路规划模型,并通过评价分析求得最优结果。实验表明:该方法能为不同游客推荐不同需求的旅游线路。     

预防性反馈PCNN模型及在组合优化问题中的应用

利用脉冲耦合神经网络(PCNN)的自动波特性求解组合优化问题。在三态层叠脉冲耦合神经网络(TCPCNN)模型基础上,结合三角不等式定理,构造具有预防性反馈的脉冲耦合神经网络模型。在搜索最优解的过程中,利用三角不等式定理对解进行预判断,不理想的解被删除,起到预防反馈作用,降低求解的空间复杂度,提高求解效率和准确性。将该算法应用于SP和TSP问题实验仿真,结果表明,该算法有效降低了解空间复杂度,进一步提高了搜索速度。     

动态反馈型神经网络的特性及其应用

对 Hopfield 型神经网络的特性及其应用作了较为详细的讨论,给出了相应的动力学特性以及在联想记忆和优化计算方面的应用,得到离散型网络的最大记忆容量以及与汉明距离的关系,对于连续型网络还给出了绝对稳定的充分必要条件.最后指出了动态反馈型神经网络的局限性和进一步的研究方向.     

组合电路最优Hopfield模型的判定算法

组合电路的故障检测问题是一个ＮＰ完全问题。根据组合电路的Ｈｏｐｆｉｅｌｄ神经网络模型，通过相容状态建立的齐次线性方程组的基础解系和感知机，提出了组合电路最优Ｈｏｐｆｉｅｌｄ模型存在性的实用判定算法，并给出了计算实例。     

应用神经网络粒子群算法的多用户检测

为了减少最优多有户检测器的计算复杂度,提出了一种融合粒子群优化算法和神经网络的神经网络粒子群优化算法,并设计了一种解决CDMA通信系统的多用户检测问题的新方法。该方法是把神经网络嵌入到粒子群优化算法的每一代中以改进算法性能。通过混合神经网络到PSO中,还可以加快PSO的收敛速度,减少计算复杂度。仿真结果证明了所设计的检测器无论抗多址干扰能力和抗远近效应能力都优于应用Hopfield神经网络、遗传算法和粒子群算法的多用户检测器。     

数控铣削能耗预测及切削参数多目标优化研究

为了研究数控铣床节能优化问题,首先以316L不锈钢为加工对象,设计了数控铣削实验方案,并进行了实验数据分析;然后以实验数据为样本,运用BP神经网络建立了数控机床能耗预测模型,并利用蜣螂优化算法(DBO)对BP神经网络结构进行优化,建立基于DBO-BP神经网络的数控机床能耗预测模型。通过对比优化前后两模型,选择具有更高的预测精度和稳定性的DBO-BP神经网络模型与以加工成本为目标而建立的铣削参数多目标优化模型,并运用NSGA-Ⅱ对模型求解,得到最优解集,最后运用熵权TOPSIS法对最优解集进行决策,得到最优解。通过对比优化前后比能耗和加工成本,优化后的切削参数使比能耗和加工成本分别下降了33.84%和5%。研究结果表明,优化后的切削参数更加节能和节约加工成本。     

魏县旅游线路设计与评估

近年我国旅游业蓬勃发展,有效分析和理解相关数据,设计最佳旅游线路,有助于更好的服务于旅游业.以邯郸市魏县旅游景点为实例,建立最佳旅游线路的图论模型,应用TSP问题的动态规划算法进行最佳旅游路线设计.并基于层次分析法从文化历史、景色优美、交通状况、人流量四个方面进行旅游景点的筛选,对旅游景点评估后设计最佳旅游路线.     

基于罚函数法的神经网络优化设计研究

介绍了Hopfield神经网络系统的优化原理,并从中提取反映网络动力学规律的非线性微分方程组.并用MATLAB求解该方程组.算例表明,求解反映Hopfield网络运动的微分方程组能够解决优化问题.     

一类神经网络算法的渐近行为

研究了一类连续型全反馈人工神经网络的稳定性,通过求解简单的一维微分方程,给出了这类神经网络系统的解的解析表达式,利用解的解析表达式证明了当A的特征值0l,至少有一个特征值为负时,网络的一切从Rn中的单位超球内出发的解收敛于原点或单位超球内的一点.     

连续型利率期限结构的随机化方法

在三个假设的前提下,用随机化方法得到了连续型利率期限结构模型,并给出了模型的解及解的经济学解释。     

基于网络搜索指数和EMD-ARIMA-BP组合模型的游客量预测——以张家界为例

科学的客流量预测有利于完善旅游安全预警体系和优化旅游资源配置体系。为进一步提高游客量预测的准确度,提出一种基于网络搜索指数的EMD-ARIMA-BP组合模型,以探究互联网时代旅游消费者出行行为规律。该模型首先对网络搜索行为数据进行指数合成,其次利用EMD算法对游客量和网络搜索数据进行去噪处理,最后将ARIMA模型和BP神经网络进行组合,对游客量进行预测。实证分析以张家界为例。研究发现：（1）运用网络搜索数据预测旅游消费者出行行为切实可行,接近于实时的网络数据可以大幅提升预测的时效性;（2）经过EMD去噪算法对游客量与网络搜索行为数据进行去噪处理后,游客量的预测精度有较大程度提高;（3）基于网络搜索指数和EMD-ARIMA-BP组合模型的预测误差显著低于ARIMA模型和BP神经网络等基准模型。     

一种换热器网络优化新方法

基于遗传算法和神经网络的多层感知器模型的有机结合,提出一种优化换热器网络的新算法和一种新的编码方法－基因矩阵,这种算法根据遗传适应度（目标函数）的大小,以随机搜索方式寻找在求解区域的最优解,采用神经网络多层感知器模型实现换热器网络的结构优化和参数变化。经过遗传－感知模型优化并与外逼近算法做了比较,表明采用此法优化多维、多峰、非凸的换热器网络也具有很好的适应性。     

一类神经网络的L~2-增益稳定性

运用研究控制系统有限增益稳定的方法,讨论了神经网络关于扰动的Hopfield型神经网络扰动的L_2-增益稳定性问题。对该网络模型研究的一个重要应用在于优化计算和联想记忆。利用常数变易法和李雅谱洛夫函数法,结合不等式分析技巧,给出了一些在内外部存在扰动的情况下,保证网络L_2-增益稳定的充分条件,这些条件简洁,易于在应用中检验。     

基于GA-BP神经网络的数控插齿机热误差建模

热误差作为影响数控插齿机加工精度的重要因素之一,而目前有关插齿机的热误差补偿相关资料欠缺。提出基于GA-BP神经网络的机床热误差优化建模方法,针对插齿机减少其热误差,提高加工精度。针对神经网络算法较多,但补偿效果仍存差距,因此比较了遗传算法(GA)和BP神经网络算法,介绍GA-BP神经网络模型的具体步骤,以YKS5132DX3型数控插齿机为实验对象,获得了敏感点温度和主轴X、Y方向的热误差值,在此基础上,建立BP神经网络热误差预测模型和GA-BP网络热误差优化模型。实验结果表明：与BP神经网络热误差模型相比,GA-BP神经网络热误差模型的预测精度更高,残差变化幅度较平稳,稳健性强。     

SA算法在基于模型推理入侵检测中的应用

鉴于模型推理的入侵检测方法,需要在庞大的审计记录空间中搜索巨量的攻击脚本子集中的最优值,对于这一NP类完全问题,提出了应用模拟退火算法。并建立了攻击检测的优化问题模型,给出了攻击检测实验中的解空间、目标函数、新解的产生和接受准则,得到了一个合理的冷却进度表,并对实验中的模拟退火算法进行了并行化研究。实验证明,与传统的贪心算法相比,应用模拟退火算法提高了进化速度和全局寻优能力,较好地解决了搜索效率问题。     

基于MEA-BP神经网络的压气机特性曲线预测

针对燃气轮机建模过程中压气机特性曲线的预测在非设计工况条件下精度较低和泛化能力较差的问题,提出了一种基于思维进化算法(MEA)的BP神经网络预测模型。该模型融合了MEA全局寻优的能力,在神经网络的权值和阈值范围内,通过MEA的"趋同"和"异化"操作,得到全局最优解并将其应用于BP神经网络的初始值,进而通过迭代得到最优输出预测曲线。预测结果表明:与独立的BP神经网络相比,MEA-BP神经网络的预测结果具有更好的精度和泛化能力,相对误差也降低了很多。可见,该方法适用于压气机特性曲线的预测,有助于压气机的实际运行分析,为燃气轮机的整体建模打下了较好的基础。     

基于粒子群RBF神经网络的双关节机械臂系统控制

针对RBF神经网络算法用于控制时难以求解网络隐含层参数中心向量c和标准化常数b的问题,提出基于粒子群参数优化的RBF神经网络(PSO-RBF神经网络)控制方法。建立旅客列车自动上水装置双关节机械臂动力学模型,将粒子群算法与RBF神经网络控制机械臂动力学特性结合,在连续空间快速搜索网络隐含层参数最优解,得到PSO-RBF神经网络控制方法;建立针对双关节机械臂的PSO-RBF神经网络控制系统并进行仿真,与基于遗传算法调节隐含层参数的RBF神经网络控制方法进行对比和分析。研究表明,采用PSO-RBF神经网络控制方法可以有效避免机械臂控制失效,能够使肩关节和肘关节响应时间缩短52%和47%,最大稳态误差减小49%和58%,平均稳态误差减小54%和55%。     

多目标模糊优化潮流模型及其基于神经网络的算法

提出了一种计算交流潮流的多目标模糊优化模型。模型中,同时考虑了发电费用最少及网损最小等多重目标。针对该模型,还提出了一种基于神经网络模型的新算法。该算法分别采用神经网络模型进行模糊集隶属函数的表达及优化问题的求解,从而将模糊优化同神经网络有机地结合起来。通过算例对所提模型及算法进行了验证。