模糊环境下的流动资金管理模型及其混合智能算法

基于模糊VaR方法建立一类新的流动资金管理模型,并设计含有逼近方法、神经网络和遗传算法的混合智能算法对提出的模糊流动资金管理问题进行求解。最后,给出一个模糊流动资金管理问题的数值例子表明所设计模型和算法的有效性。     

一种求FEVM的混合智能算法

作为一类重要的模糊规划问题,模糊期望值规划(Fuzzy Expect Value Model,FEVM)在理论和工程应用方面有着广泛的应用背景,为了探求更为高效的FEVM求解方法,模糊模拟在本文中被用来产生神经网络的训练样本,然后训练BP神经网络以逼近模糊函数,再应用微粒群算法并以逼近模糊函数的神经网络作为适应值计算和实现检验可行解,从而提出了一种混合智能算法来求解FEVM问题。实验对照后,说明了算法的有效性和高的计算效率,为FEVM问题的求解提供了一种有效的途径。     

GIHS-TSFNN并行学习算法及其应用研究

针对传统T-S模糊神经网络的随机初始网络参数导致网络学习速度慢、易陷入局部解以及运算精度低等缺陷,提出了一种应用佳点集的改进和声搜索算法(GIHS)优化T-S模糊神经网络的并行学习算法.首先应用佳点集择优构造更加高质量的初始和声库,然后搜索过程中进行参数动态调整,并且每次迭代产生多个新解,充分利用和声记忆库的信息,以提高算法的全局搜索能力和收敛速度.其次,将GIHS算法与T-S神经网络相结合构建并行学习算法,实现两种算法的并行交互集成,得到了最优参数配置以提高T-S模糊神经网络的泛化能力.最后将该算法应用到农业干旱等级预测中以解决旱情评估问题.仿真实验表明,GIHS算法性能优于基本HS和IHS算法,且与T-S模糊神经网络、HS算法优化的T-S模糊神经网络和IHS算法优化的T-S模糊神经网络相比,具有更高的预测准确度.     

基于改进型模糊神经网络的信用卡客户违约预测

本文在传统模糊神经网络基础上,采用灰狼优化算法计算神经网络的初始权值和阈值,提出了一种改进型模糊神经网络算法,并建立了信用卡客户违约预测模型。改进型模糊神经网络具有很好的非线性拟合能力和很好的全局搜索能力,解决了传统模糊神经网络算法收敛速度慢,容易陷入局部最优的问题。最后,通过预测信用卡客户违约问题,与支持向量机算法、传统模糊神经网络算法和卡方自动交互诊断器算法相比较,验证了改进型模糊神经网络算法的准确性、高效性和鲁棒性,平均准确率达到了94.1%。     

基于粒子群的模糊神经网络的短时交通流量组合预测

为了进一步提高短时交通流量预测的精度,提出了一种粒子群算法的模糊神经网络组合预测模型,模糊神经网络融合了神经网络的学习机制和模糊系统的语言推理能力等优点,弥补各自不足,将自回归求和滑动平均(ARIMA)和灰色Verhulst模型进行初步预测,并将两种初步预测的结果作为模糊神经网络的输入,构建基于改进模神经网络的组合预测模型,在此基础上进行训练和预测,其中模糊神经网络的相关参数由改进粒子群来优化,利用本方法来对南京市汉中路短时交通流量进行预测,结论表明:方法充分发挥了单一模型的优势,比单一的预测模型更加精确,是短时交通流量预测的一个有效方法。     

一类新的带有模糊参数的生产库存管理模型

正确有效地处理生产库存管理系统中的不确定性信息直接影响生产利润。基于模糊VaR优化准则讨论了生产工序、库存费用、缺货费用以及市场需求对生产利润的影响。同时,本文对于生产库存管理问题发展了一个新的模糊VaR优化方法。为了求解所提出的生产库存管理问题,设计了一种结合逼近方法、神经网络和遗传算法的混合智能算法。最后,给出一个带有模糊VaR准则的生产库存管理问题的数值例子表明所设计模型和算法的有效性。     

改进蚁群算法在铁矿石价格指数预测中的应用

钢铁作为国民产业的重要组成部分,其价格对国民经济产生巨大的影响,而钢铁的一重要来源就是铁矿石。因此,对铁矿石价格指数的精准预测对国民经济有着重要的调节作用。论文运用具有全局信息素迹更新的改进蚁群算法(IACO)来进行模糊逻辑系统规则的筛选,以此来提高模糊逻辑系统(FLS)的精确性。将选择得到的规则作为规则基,融入神经网络中设计相应的模糊逻辑系统。将设计的智能模糊逻辑系统用于中国铁矿石价格指数(CIOPI)的预测,仿真结果表明,提出的方法是可行和有效的。与无规则筛选的和原始蚁群算法(ACO)的模糊逻辑系统相比,都具有优越性,以此也证实了进行规则筛选的必要性。     

基于遗传算法优化BP神经网络在原油产量预测中的应用:以大庆油田BED试验区为例

油田产量预测工作一直是油田开发中的一项重要工作,许多传统的回归模型以及智能算法都已经在油田产量预测中有了应用.虽然神经网络以其较强的非线性拟合能力.而得到广泛应用,但是传统BP神经网络容易陷入局部最优值而影响预测结果.将利用遗传算法同时优化BP神经网络连接权值和阈值的算法应用到大庆油田BED试验区高含水阶段的油田产量预测,结果表明在面对高含水阶段更加复杂的地质条件和数据波动更强的情况下优化后的神经网络收敛速度更快而且预测精度更高.     

模糊反向物流网络设计模型的一种改进遗传算法

反向物流是物流研究中的一个重要分支,其相关问题是目前研究的热点问题。该研究在模糊环境中根据不同的决策标准,建立了关于反向物流问题中的回收问题的三种不同类型的模型:期望值模型,机会约束模型和相关机会模型,并设计了一个模糊模拟和遗传算法相结合的混合智能算法来解决提出的模型,最后给出了一个数值例子,结果证明了将此混合智能算法用于求解模糊反向物流网络设计模型问题的有效性。     

基于遗传算法的模糊逻辑系统的设计

在模糊逻辑系统及控制的设计中,为了避免生成过多的模糊规则影响系统的效果,有必要进行模糊规则的筛选。本文将遗传算法与模糊逻辑系统相结合,使用遗传算法进行规则筛选,并调整模糊神经网络系统的参数,以此来提高模糊逻辑系统的精确性。将选择出来适应度最高的规则作为规则基,设计模糊逻辑系统。为了检验系统的可行性,将设计的模糊逻辑系统应用于丹麦克朗/人民币汇率的预测中,并将遗传算法与最小二乘法进行比较,仿真结果表明,所提出的方法是有效的,取得了更好的效果。     

集成神经网络快速估价模型

本文将模糊逻辑和神经网络结合起来,并利用系统的层次性和可分性原理,建立起一个集成的模糊神经网络,用以解决在不确定信息下的快速估价问题,并给出了模型算法。     

基于模糊神经网络建模的RFID室内定位算法

将模糊神经网络FNN应用于基于RFID技术的室内定位系统IPS,提出一种基于模糊神经网络的RFID室内定位算法,算法将参考标签数据作为神经网络的训练样本,建立"标签接收信号强度与标签读写器间距离RSSI-DIST"的映射模型,然后利用最小二乘解确定目标的位置坐标.同时,对比了传统BP神经网络和FNN网络在建模和定位中的性能.在仿真和硬件平台测试中,模糊神经网络都要比BP表现出更优异的性能,表明基于模糊神经网络的算法更适合于IPS系统.     

粒子群优化模糊神经网络在语音识别中的应用

针对模糊神经网络训练采用BP算法比较依赖于网络的初始条件,训练时间较长,容易陷入局部极值的缺点,利用粒子群优化算法(PSO)的全局搜索性能,将PSO用于模糊神经网络的训练过程.由于基本PSO算法存在一定的早熟收敛问题,引入一种自适应动态改变惯性因子的PSO算法,使算法具有较强的全局搜索能力.将此算法训练的模糊神经网络应用于语音识别中,结果表明,与BP算法相比,粒子群优化的模糊神经网络具有较高的收敛速度和识别率.     

基于GA-BP的模糊神经网络控制器与Elman辨识器的系统设计

提出了一种基于神经网络的模糊控制系统 ,该系统由模糊神经网络控制器和模型辨识网络组成 .文中介绍了模糊神经网络控制器采用遗传算法离线优化与 BP算法在线调整 ,给出了具体控制算法 ,推导了变形 Elmam网络的系统辨识算法 .仿真结果表明了此法的可行性和有效性 .     

基于SOMTE平衡的在线用户消费预测模型研究

随着互联网和计算机的迅速发展,在线用户属性特征的刻画和在线用户行为的预测成为研究热点.以往的研究中关注所有用户群体的行为预测,而实际在线系统更关注的实际购买行为的预测,以据此进行精准营销.基于此本文分析在线用户属性特征,得出各个算法预测的用户在线消费与用户各个特征之间的相关性;并通过逻辑回归、神经网络、决策树、随机森林四种人工智能算法的分析与比较,预测在线用户的消费行为.由于采用原数据集时预测结果真阳性率较低,这会造成找到潜在用户群具有很大偏差;本文通过SMOTE算法对原始数据进行平衡,在这四种人工智能算法中均有效的提高了预测准确度(AUC及GINI系数),对实际消费用户行为的预测效果有很大提升;最后在不同测试集划分下,多次重复实验中,验证了算法稳定性,以及SMOTE平衡算法具有很高的鲁棒性.这些研究结果能够在电子商务中找到有消费倾向的特定顾客,从而据此精准营销.     

基于改进粒子群算法的模糊聚类-概率神经网络模型的企业财务危机预警模型研究

为了充分发挥概率神经网络在企业财务危机预警中的作用,克服概率神经网络平滑参数难以确定和空间复杂度高的不足,本文提出一类新的参数动态调整的粒子群算法优化概率神经网络的平滑参数,进而采用改进粒子群算法优化初始隶属度矩阵的模糊聚类方法实现对样本的选择,解决了概率神经网络平滑参数的确定及空间结构复杂的问题。提出了基于改进粒子群算法的模糊聚类-概率神经网络企业财务危机预警模型,并以我国上市公司作为研究对象进行了实证研究。结果表明,经过模糊聚类和改进粒子群算法优化的概率神经网络具有更优的预测性能,并在企业财务危机长期预警方面具有一定效用。     

带阈值的模糊感知器的收敛性

1 前言各种神经网络被广泛用来解决有导师分类问题．对于模糊感知器,文献[1]提出一种新的训练算法,并证明当样本可分时,该算法有限收敛．文献[2]在模糊神经元中加入阈值 v∈[0,1]．对某些模糊神经网络学习算法如FBP(见文献[3]),阈值在收敛性证明中起着重要的作用．那么,在模糊感知器中加入阈值是否还能得到算法的收敛性?本文将对这个问题进行讨论．     

带有模糊参数的农业生产计划模型

在现实的生产系统中, 由于材料价格, 产品价格, 市场需求以及劳动者能力等不确定因素的影响, 生产计划问题常常是一个不确定规划问题. 因此, 带有常系数的生产计划模型不能准确有效的描述生产决策环境. 基于可信性理论, 本文将提出一类新的带有模糊参数的生产计划模型. 然后, 我们讨论了可信性函数的逼近并且设计一个基于逼近方法、神经网络和遗传算法的启发式算法来求解这个模糊生产计划问题. 最后, 给出了一个数值例子来表明所设计算法的可行性和有效性.     

基于RS-Bag分类器集成技术的上市公司财务危机预测

财务危机预测是金融管理决策中的重要问题,其实质是对未来财务状况的预报和分类。鉴于目前单一分类器预测性能不稳定,本文运用分类器集成技术,以BP神经网络为分类学习算法,建立基于RS-Bag算法的神经网络分类器集成模型。然后,以我国上市公司财务数据为例进行财务危机预测实证研究,结果表明,基于RS-Bag算法的神经网络分类器集成预测精度和泛化性能优于单一神经网络分类器,也优于Bagging分类器集成和RS分类器集成。     

含模糊变量的水污染控制系统研究

在水流量为模糊变量且河流中工业污水含量标准给定的条件下,分别建立了水污染控制系统问题的模糊期望值模型和模糊机会约束规划模型来满足不同的优化需求.为了有效求解优化模型,采用了将模糊模拟、神经元网络及遗传算法相结合的混合智能算法.最后用算例进行了验证,结果表明该算法是有效可行的.