基于改进遗传算法的机器人路径规划

本文在应用遗传算法进行机器人路径规划时,针对遗传算法的"早熟收敛"和"收敛速度慢"两大难题,结合具体的应用背景,在各种改进遗传操作的基础上,把遗传算法和简单图搜索方法相结合,减少了搜索的盲目性,使得优秀个体能较快地产生,算法在很少的进化代数中就可以求出问题最优解.算法的分析和测试表明,本文算法的改进是有效的.     

一种改进的神经网络相关性剪枝算法

神经网络的剪枝有利于网络结构的简化,而作为剪枝算法中的比较重要的相关性剪枝算法,在计算了隐层节点输出的线性相关性和方差后,对于如何根据线性相关值和方差值删除节点并没有给出明确的界限。文章通过研究神经网络的相关性剪枝算法,给出一种以网络的误差传递为思想,根据方差值删除节点的方法,并通过实验证明,该方法不仅能够有效的简化网络结构,保证网络精度,而且计算简单。     

基于栅格法的机器人快速路径规划

在栅格法表示的机器人路径规划问题研究中,定义出路径记忆量、路径方位的重要性等概念,通过可行路径中两两结点之间关联程度的改变,按照比例选择概率确定下一结点,由此得到一条新的可行路径.路径和关联程度之间形成一种正反馈机制,二者相互激励,从而简化了路径搜索方法,提高了路径搜索的效率.仿真研究表明,该算法能有效地提高路径搜索的效率.     

一种基于GA-BP学习的神经网络推理机制的研究

为了克服基于规则专家系统推理适应性差、学习能力差等缺点,本文对基于GA算法与BP算法的神经网络专家系统推理进行了研究,给出了一种基于GA-BP学习的神经网络推理模型及实现算法。使用UCI标准数据集进行仿真实验,同其他典型的四种推理算法进行了比较研究,得出基于GA-BP模型的推理具有学习速度快,实时性和准确性高的优点。     

基于神经网络专家系统的推理研究

为了克服传统专家系统知识获取难、学习适应能力差、推理效率低等问题,许多专家提出将神经网络与规则专家系统相结合,构建基于神经网络的专家系统模型。文中设计了一种基于神经网络专家系统模型的混合推理机制,通过对基于神经网络推理算法、规则推理算法以及神经网络与规则的混合推理算法进行实验比较,证明本文提出的混合推理机制在改善专家系统推理准确率方面的有效性。