用MATLAB实现遗传算法程序

简要阐述了遗传算法的基本原理,探讨了在ＭＡＴＬＡＢ环境中实现遗传算法各算子的编程方法。并以一个简单的实例说明所编程序在函数全局录优中的应用。     

用L-systems和遗传算法实现的叶子形状建模

阐述了组合两类技术的一种方法,用L-systems和遗传算法（GA）获取一种改写表达式描述叶子形状。一个L-systems用于构造给定改写表达式,而GA是有于改写表达式的适应参数。介绍了用目标函数实现实值参数替换方法,研究结果表明提出的方法产生可以接受的输出效果。     

人工神经网络在材料设计中的应用及其若干共性问题的研究

应用人工神经网络进行材料设计已取得了可喜的进展,本文回顾了人工神经网络应用于材料制备工艺研究时的一些共性问题,如：样本筛选、网络结构的确定、加快网络训练速度、改善网络预测效果、最优工艺参数的确定等,并给出相应的解决办法。     

人工神经网络在带钢力学性能预测中的应用

本文运用神经网络原理建立了带钢力学性能预测的神经网络模型，并用该模型对某钢厂带钢力学性能进行了预测，还对预测结果和真实数据进行了比较，结果表明：相对误差低于1%，而且收敛速度快，泛化能力好。预测模型可减少或取消实际生产中的破坏性检测试验，从而提高经济效益。另外，文中还总结了提高神经网络性能的方法。     

基于MATLAB的人工神经网络水质预测模型探析

随着我国工业化以及城镇化进程加快,环境污染日益严重,对人体健康、生态安全以及生产生活构成重要影响。为了有效监控水质变化情况,水质预测模型的研究与应用显得尤为重要,本文专门就基于人工神经网络水质预测模型进行了探讨。     

病毒协同进化遗传算法在自动化立体仓库货位优化中应用的研究

自动化立体仓库的存取效率直接影响着现代物流的整体效益,而存取效率高低的关键在于货位优化。针对自动化立体仓库实际应用中的货位规划难题,提出了利用病毒协同进化遗传算法来研究自动化立体仓库货位优化问题的方法,并将该算法和传统的遗传算法作比较。以提高货架稳定性和货物出入库效率为优化目标,建立了货位优化的多目标优化问题数学模型。最后利用MATLAB工具进行编程与仿真,实验结果表明,病毒协同进化遗传算法(VEGA)相比传统的遗传算法具有更好的收敛性和搜索效率。由此可见,利用病毒协同进化遗传算法对自动化立体仓库进行货位优化,可以很大程度上改善货物的出入库效率和货架的稳定性,进而提高货架的使用率。     

用MATLAB神经网络工具箱开发BP网络应用

论述了人工神经网络的基本理论,并给出利用MATLAB神经网络工具箱开发BP网络应用的要点.     

遗传神经网络方法在粮食产量预测中的应用研究

介绍了遗传算法(GA)和人工神经网络(ANN)技术,通过使用遗传算法优化神经网络的连接权重基于GA-BP-ANN粮食产量预测模型的混合算法,实际应用,结果表明,该方法是可行的,可以作为一种有效的预测方法。     

基于遗传算法的人工神经网络的应用综述

本文介绍了一种新型的、随机性的全局优化方法－遗传算法,系统地讨论了基于遗传算法的人工神经网络的主要应用,并给出了大量实验数据,实验结果表明遗传算法具有快速学习网络权重的能力,并且能够摆脱局部极点的困扰。     

神经网络与遗传算法在传统化工企业中的应用

传统化工企业中产品的配方优化是一个很关键的问题。文章提出了一种新的配方优化方法——人工神经网络和遗传算法方法(ANN-GA)，这是在经验设计和数据处殚领域的一种新方法。     

人工神经网络BP算法的实现

BP网络是一种得到广泛应用的人工神经网络模型.本文简要介绍了BP算法的原理,并给出了其在VC 6.0中的实现方法。     

Gause竞争型协同进化算法在FNN中的应用

自从60年代J.霍兰提出遗传算法以来,模拟进化算法得到了很大的发展和应用。协同进化算法是针对遗传算法的不足提出,还处于研究初步阶段。该文在竞争型协同进化的基础上,借鉴生态学中物种竞争模型,提出了基于Gause竞争方程的竞争型协同进化算法,并将该算法应用于模糊神经系统的辨识问题上。实验证明,该算法比标准遗传算法、典型竞争型协同进化算法和BP学习算法具有更好的全局收敛性和更快的收敛速度,在一定程度上解决了标准遗传算法的不足。     

应用神经网络和遗传算法实现多变量离散系统优化

多变量系统是科学研究和实际应用中经常面对的系统,由于系统的应用环境各异,系统变量多,虽然可以通过试验获得系统的部分输入输出,但是系统的复杂性使得难以确定系统的数学模型,也无法实现对系统的优化。该文提出了一种针对多变量离散系统的建模和优化方法,用BP神经网络对系统的模拟能力建立离散系统的模型,同时为了寻找系统的最优解,结合遗传算法对建立的模型进行寻优,编写了神经网络建模和遗传算法的MATLAB程序,并将建模和优化算法在工艺优化中进行了应用。     

遗传算法在污水管网优化中的应用

随着城市的快速发展,污水管网规划建设相对滞后的问题日渐凸现.如何把有限的资金合理地用于优化污水管网,给我们提出了课题.遗传算法(Genetic Algorithm,GA)是近几年发展起来的一种崭新的全局优化算法,它借用了生物遗传学的观点,通过自然选择、遗传、变异等作用机制,实现各个个体的适应性的提高.本文将遗传算法引入污水管网的优化,增强了污水管网设计的合理性.     

一种混合量子粒子群算法在神经网络设计中的应用

将混合量子粒子群算法（HQPSO）应用于神经网络设计,可以在对网络拓扑结构优化的同时对连接权重进行求解。该算法引入了选择机制,使优势粒子得以保留,并在训练后期使用BP算法提高训练精度,具有较高的进化效率。通过对混沌时序信号的预测,表明HQPSO算法改进了神经网络的学习性能和泛化能力。     

Artificial Neural Network trained by Particle Swarm Optimization for non-linear channel equalization

In this paper, we apply Artificial Neural Network (ANN) trained with Particle Swarm Optimization (PSO) for the problem of channel equalization. Existing applications of PSO to Artificial Neural Networks (ANN) training have only been used to find optimal weights of the network. Novelty in this paper is that it also takes care of appropriate network topology and transfer functions of the neuron. The PSO algorithm optimizes all the variables, and hence network weights and network parameters. Hence, this paper makes use of PSO to optimize the number of layers, input and hidden neurons, the type of transfer functions etc. This paper focuses on optimizing the weights, transfer function, and topology of an ANN constructed for channel equalization. Extensive simulations presented in this paper shows that, as compared to other ANN based equalizers as well as Neuro-fuzzy equalizers, the proposed equalizer performs better in all noise conditions.     

基于遗传神经网络的数据清洗方法

现实世界中的数据常常是有噪声、不完全和不一致的,数据清洗能够帮助改善数据的质量,进而帮助提高数据挖掘的有效性和准确性。该文提出了一种基于遗传神经网络的数据清洗模型,它充分利用了神经网络的非线性映射和遗传算法的全局优化特性。实验证明,这种方法的可行性、有效性及处理精度都比较高。     

遗传神经网络预测模型的设计及应用

分析遗传算法（ＧＡ）及ＢＰ神经网络（ＮＮ）的理论基础,提出了ＧＡ与ＮＮ结合的主要方式和步骤。讨论了基于遗传神经网络的建模思路,主要针对矿石可选性预测、选矿生产指标预报问题,建立相应的遗传神经网络模型。论述了原始数据预处理的方法和ＧＡ－ＢＰ神经网络的设计。通过实例验证,模型的预测精度达到９０％以上。     

基于遗传算法和梯度算法的一种结构优化混合方法

基于遗传算法和梯度算法,文章提出了一种结构优化的混合方法。算例表明该方法兼具遗传算法的优良全局搜索能力和梯度算法的强大局部搜索的特点,且具有很好的工程适应性。