混沌遗传算法对BP神经网络的改进研究

BP神经网络算法是目前应用最广泛的一种神经网络算法,但有收敛速度慢和易陷入局部极小值等缺陷.本文利用混沌遗传算法(CGA)具有混沌运动遍历性、遗传算法反演性的特性来改进BP神经网络算法.该算法的基本思想是用混沌遗传算法对BP神经网络算法的初始权值和初始阈值进行优化.把混沌变量加入遗传算法中,提高遗传算法的全局搜索能力和收敛速度;用混沌遗传算法优化后得到的最优解作为BP神经网络算法的初始权值和阈值.通过实验观察,改进后的结果与普通的BP神经网络算法的结果相比,具有更高的准确率.     

三维欧氏Steiner最小树的Delaunay四面体网格混合智能算法

Steiner最小树问题是组合优化中经典的NP难题,在许多实际问题中有着广泛的应用,而三维欧氏Steiner最小树问题是对二维欧氏Steiner最小树问题的推广。由于三维欧氏Steiner树问题的求解非常困难,至今为止的相关成果较为少见。本文针对该问题,利用Delaunay四面体网格剖分技术,提出了一种混合型智能求解方法,不仅可以尽量避免拓扑结构陷入局部最优,且对较大规模的问题求解亦有良好的效果。算法在Matlab环境下编程实现,经实例测试,获得了满意的效果。     

关于蒸汽机的改进

蒸汽机的应用,已经有大约两百年的历史,可是,直到现在,蒸汽机在各种热机当中,在很多生产部门和变通运输工具上,依然保持着相当的地位。这是因为蒸汽机和其它热机比起来具有很多的优点,主要是:构造简单,价格低廉、可以使用不同的燃料,容易管理,不大会发生故障。所有这一切,表明蒸汽机也很适合农村的工作条件,成为我国农业大发展中一种很重要的动力机器。不过,蒸汽机也有一些缺点,它的工作效率较低,机身也比较笨重。工作效率是衡量机器经济性的准绳,在蒸汽机内部蒸汽的工作能力有种种损失,因而使燃料的利用不够经济。在中学物理课本中,有