遗传算法在BP网络权值学习中的应用

针对BP算法学习神经网络权值收敛速度慢、易陷入局部最优等缺点 ,采用遗传算法学习BP网络的权值 ;并给出了“异或”(XOR)问题的仿真示例 ,通过比较 ,发现遗传算法不会陷入局部最优 ,有效地改善了收敛速度     

基于遗传算法的BP网络在机车滚动轴承故障诊断中的应用

提出一种遗传算法（GA）和BP算法结合的神经网络模型优化方案。首先采用自适应交叉概率和变异概率的遗传算法优化BP网络的权值,在进化结束时,能够寻到全局最优点附近的点;在遗传算法搜索结果的基础上,利用局部寻优能力较强的BP算法,从此点出发,进行局部搜索,进而达到网络的训练目标。在铁路机车滚动轴承诊断方面,利用MATLAB仿真实验结果表明,遗传算法与BP算法结合的模型诊断精度为100%,标准BP算法的模型诊断进度为80%,并且提高了网络的收敛速度。说明GA—BP算法模型诊断精度较高,诊断能力得到了改进,遗传算法与BP算法的结合算法可行有效。     

基于遗传算法BP网络的冻结方案优化设计

多圈管冻结方案设计与优化是深井冻结法凿井的一项关键技术,现今的理论和实践尚未成熟和完善,为此提出了基于遗传算法优化BP网络结构进行多圈管冻结方案的优化设计算法,将该算法求解的多圈管冻结设计方案与原方案进行了比较分析,表明了这种算法达到了较好的优化设计效果,为多圈管冻结方案设计及其优化提供了重要参考。     

遗传算法在BP神经网络学习中的应用

在遗传算法与BP神经网络结构模型相结合的基础上,设计了用遗传算法训练神经网络权重的新方法．     

遗传算法的BP网络模型进行瓦斯涌出量预测

从提高采煤工作面瓦斯涌出量预测的速度和精度入手,将遗传算法与神经网络2种非线性最优化算法的优势加以融合,提出了一种利用遗传算法同时优化BP网络的连接权和拓扑结构的网络模型,并以韩城下峪口煤矿为例,进行了实际应用。结果表明:改进后的BP网络模型预测精度较高,具有良好的应用前景。     

基于遗传算法的BP网络及其非线性逼近能力研究

提出了一种基于遗传算法(GA)的BP神经网络模型优化方案,指出了遗传算法和标准BP算法各自的优缺点。首先采用自适应交叉概率的遗传算法优化网络的权值,在进化结束时,能够寻到全局最优点附近的点。在遗传算法搜索结果的基础上,利用局部寻优能力较强的梯度下降法,从此点出发,进行局部搜索,进而达到网络的训练目标。仿真表明与单一的梯度下降法比较,混合优化算法的收敛速度快,逼近的效果好,因而所给出的算法可行有效。     

BP网络非线性系数取值研究及其在岩土工程中的应用

针对非线性系数对网络性能的影响进行了仿真试验研究，总结了该系数的合理取值范围及其规律，提高了BP网络在具体工程中的实用性。通过在岩土工程中的实践证明，按照本文给出的规律对非线性系数进行取值，能够明显地提高网络的收敛速度及收敛精度。     

改进自适应遗传算法在BP神经网络学习中的应用

针对遗传算法容易产生局值的问题,提出一种新的自适应遗传算法,改进遗传算子,通过比较两代之间的适应度评估值,选取适合的交叉率和变异率,保证了优秀个体进入下一代,而且避免了种群中最大适应度值的个体的交叉率和变异率为0的情况.最后,将改进后的算法应用于库存控制模型,实验表明,改进后的自适应遗传算法能避免局值,提高网络的收敛速度,改善了网络的学习性能.     

基于自适应遗传算法优化的BP神经网络股票价格预测

股票价格是一种具有较强随机性的数据,不仅受到买卖双方的影响,而且与国内外政策因素有关.为了提高精度,采用BP神经网络与遗传算法结合的方法进行研究.针对BP神经网络初始权值随机、遗传算法易陷入局部优化等问题,给出了一种基于自适应遗传算法优化的BP神经网络股票价格预测模型,该模型通过自适应遗传算法对BP神经网络初始权值进行优化,从而对股票价格进行预测分析.实验仿真结果表明该模型可以获得较高的预测精度和较快的收敛速度.     

基于遗传算法的BP神经网络预测石油单井产量

针对传统预测方法建模复杂且预测精度低、传统BP神经网络算法收敛慢和可能陷入局部最优的问题,提出一种基于遗传算法的反向传播神经网络(BPANN-GA)用以预测单井产量,并进行实例分析,获得了较高精度的预测结果.该算法简单实用,预测精度较高,收敛快且避免了陷入局部最优,对石油单井产量预测工作有一定的意义.     

遗传算法及其在结构可靠度计算中的应用

遗传算法作为一种优化算法,对目标函数和约束条件没有过于苛刻要求,在结构可靠度计算中的应用越来越广泛.利用MATLAB数学软件,并引入遗传算法编制相应程序,对提供的已知功能函数进行了可靠度计算,同时,考虑各种不确定因素对桁架体系的结构可靠度也进行了研究,计算效果较好,表明该方法在可靠度特别是复杂体系可靠度分析中应用价值较为突出.     

运用MATLAB实现基于遗传算法自修正的模糊控制理论的仿真

将遗传算法引入模糊控制的理论研究中,利用遗传算法对模糊控制输入隶属度函数进行在线自调整,并运用MATLAB语言实现对一个典型三阶系统的仿真,结果显示了该方法的有效性和实用性.     

基于遗传算法优化的模糊PID控制研究及其仿真

提出了一种基于遗传算法优化的模糊PID控制系统：采用遗传算法优化模糊控制中的隶属函数和控制规则,进一步完善了模糊PID控制器的性能,提高了系统的控制精度。并对优化后的模糊控制器进行了Matlab仿真研究,结果表明：经过优化后的控制器明显地改善了控制系统的动态性能,能使系统达到满意的控制效果,对进一步应用研究具有较大的参考价值。     

基于反向传播神经网络的遗传算法在酒类气体识别中的应用

把基于反向传播神经网络的遗传算法用于酒类气体识别实验中的传感器阵列的筛选,通过评价传感器组合对反向传播神经网络识别酒类气体结果的影响,建立一种挑选传感器阵列的方法,该算法选出的变量与用统计方法得到的结果一致     

电力系统短期负荷预测的改进BP算法

提出了一种电力系统短期负荷预测的算法，通过增加势态项及采用步长自适应等方法的对传统的BP算法进行了改进，实例计算表明该算法可行。     

用MATLAB求解TSP问题的一种改进遗传算法

TSP问题是遗传算法得以成功应用的典型问题.提出一种改进的义叉和变异算子来解决TSP问题,并给出其算子的MATLAB程序.通过实验,发现改进的算法比传统算法收敛速度更快,适应值更优,说明改进算法是有效的.     

基于MATLAB采用遗传算法确定最佳聚类数

将迭代自组织分析技术(ISODATA)和遗传算法(GA)嵌套构成遗传一迭代自组织分析技术(GA—ISODATA)。共同形成模糊C-均值的优化算法，不仅能够在给定预分类数的前提下实现最佳分类。而且在完全不需要人工干预的环境下直接得到模糊C-均值(FCM)中最佳分类数。完善和发展了模糊C-均值算法。     

基于LMS算法的智能天线的MATLAB仿真

分析了智能天线的基本原理,结合一种直线阵自适应阵列,在MATLAB软件下,采用基于LMS算法的波束成形方法,对智能天线进行仿真实现.结果表明,使用基于LMS自适应算法的智能天线技术后,接收端的误比特率(BER)得到明显降低.     

改进马尔可夫链降雨量预测模型的应用

根据马尔可夫链预测方法,汇总分析1956～1999年昆明市东川区的年降雨量资料,采用均值-标准差分级法,对各年的降雨量进行状态分级,分为洪涝、偏涝、正常、偏旱、干旱5个状态.应用马尔可夫链及转移概率矩阵对昆明市东川区2000年的降雨量进行分析预测,并根据模糊集理论中的级别特征值预测降雨量.结果表明:采用该方法预测的结果与实际情况相吻合.     

Study on Speeding up the Back-Propagation Algorithm

Slow convergence of back-propagation (BP) algorithm is a limiting factor in its practical applications. A new learning algorithm which can adaptively adjust its learning rate on the basis of gradient information of the error function is put forward. its convergence performance is also tested by the XOR problem compared with the standard BP algorithm.