基于并行遗传神经网络算法的动态路径选择方法

实时、高效的求解大规模路网中的最优路径是动态路径诱导领域的研究难点。针对基本遗传算法在计算大型网络的优化问题时表现出的求解效率低等缺点,在基本遗传算法中引入了子群体和迁移策略,提出了基于并行遗传算法的最优路径选择方法,设计了适用于路径优化的编码方式、适应度函数、遗传操作算子和迁移算子,并采用神经网络预测方法构造了实时动态的路阻矩阵。仿真试验表明:该方法的准确性、实时性和快速性优于基本遗传算法,并且大规模路网中求解效率和求解质量的平衡问题也得以解决。     

基于并行遗传神经网络算法的动态路径选择方法

实时、高效的求解大规模路网中的最优路径是动态路径诱导领域的研究难点.针对基本遗传算法在计算大型网络的优化问题时表现出的求解效率低等缺点,在基本遗传算法中引入了子群体和迁移策略,提出了基于并行遗传算法的最优路径选择方法,设计了适用于路径优化的编码方式、适应度函数、遗传操作算子和迁移算子,并采用神经网络预测方法构造了实时动态的路阻矩阵.仿真试验表明该方法的准确性、实时性和快速性优于基本遗传算法,并且大规模路网中求解效率和求解质量的平衡问题也得以解决.     

遗传算法和神经网络在白细胞自动识别中的应用

该文讨论并建立了一真彩色白细胞显微图像微机自动识别系统。针对传统组合优化方法用于特征选择的种种缺陷,提出了基于遗传算法的特征选择策略。根据细胞特征,笔者对传统的遗传算法做了相应的改进。最后运用选择特征子集来训练BP神经网络作为分类器。结果证明该方法对于分类系统的性能优化有明显效果。     

基于改进遗传算法的城市交通动态最优路径求解

针对传统遗传算法在交通诱导系统中求解最优路径问题中存在早熟收敛,易陷入局部极值点以及求得的最优路径缺乏实时性的问题,在模型中加入了实时交通信息,引入了一种新的带染色体交叉控制策略的改进遗传算法,配合单点交叉算子,消除了传统遗传算法中早熟收敛的不足,并使所求最优路径更加贴近实时的交通状态,切实达到诱导目的,提高整体路网的运行效率。     

基于神经网络和遗传算法的机器人动态避障路径规划

文中提出了基于神经网络和遗传算法的动态环境下机器人动态避障路径规划方法,机器人工作空间动态环境信息的神经网络模型,并利用该模型建立机器人动态避障与神经网络输出的关系,然后将需规划路径的二维编码简化成一维编码,并把动态避障要求和最短路径要求融合成一个适应度函数.通过对算法进行实验仿真,结果表明提出的动态路径规划方法是正确和有效的.     

遗传算法在神经网络中的应用

本文在分析了神经网络在应用中存在的局限性的同时也介绍了遗传算法的基本概念,以及分析遗传算法在实际应用中的优势．并且在此基础上介绍了使用遗传算法优化神经网络的方法和在应用中使用遗传算法优化神经网络时应该注意的问题以及参数的设置方法。     

基于瞬态混沌神经网络的动态路径诱导路由技术

将最短路径问题映射到混沌神经网络提出了一种基于瞬态混沌神经网络的动态路径诱导路由技术.仿真研究表明:将混沌神经网络应用于动态路径诱导系统中求解最佳路径,总能保证网络收敛到全局最优,具有很高的搜索效率.对于单个和多个分组请求均能快速地找到最短路径.     

遗传算法在辅助设计神经网络中的应用

本文论述了遗传算法的基本思想，基本操作及运用过程，并给出了它在辅助设计人工神经网络中的实例。实验结果表明，利用遗传算法技术辅助设计神经网络消除了目前采用的反复试验方法所固有的盲目性和随机性，并能确保得到最佳方案的设计。     

改进的蚁群算法在动态路径诱导中的应用研究

针对基本蚁群算法收敛速度慢和易陷入局部最优的缺点,在对信息素和启发信息进行标准化以消除量纲和取值范围影响的基础上,提出带方向的信息素更新和混沌选择策略来改进蚁群算法。将路网节点间的相对位置信息引入信息素更新,以加快搜索速度;使用混沌扰动改进选择策略,以避免出现早熟停滞现象。并将其用于城市交通动态路径诱导的研究中,以重庆市渝中半岛的路网为实例计算以最短行程时间为目标的最优路径,结果表明该算法是有效、可行的,比基本蚁群算法具有更好的全局搜索能力。     

遗传算法和BP神经网络在GDP预测中的应用

GDP是衡量一个国家或地区宏观经济状况的综合表现的一个重要指标,要想做到对宏观经济进行积极而有效的调控,首先要对未来经济的走势进行预测,根据预测结果制定相应的宏观调控手段,对GDP与经济发展提出政策思考,是十分有意义的。因此,文章运用遗传算法和BP神经网络对GDP进行预测,以揭示其变化规律和发展趋势,为制定科学的宏观调控政策提供依据。     

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.     

人工神经网络结合遗传算法在建模和优化中的应用

用MATLAB构造了人工神经网络和遗传算法程序。人工神经网络用来建立数据样本间的函数关系，而遗传算法用来求解由该函数作为目标函数的优化问题。最后用一个实例对所编程序进行了测试，结果是令人满意的。     

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。     

经GA优化的WNN在交通流预测中的应用

针对城市交通流的复杂性、随机性、非线性等特点,利用遗传算法(GA)优化小波神经网络(WNN),以克服传统神经网络收敛速度慢、易陷入局部最小点等缺陷,在此基础上建立基于GA-WNN的城市交通流预测模型。利用GA-WNN、GA-BP和WNN模型对南昌市南京西路交通流进行仿真预测,实验结果表明,GA-WNN模型的预测效果较好,相比GA-BP和WNN模型具有更高的预测精度和更快的收敛速度。     

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。     

基于遗传算法的Peer-to-Peer路由算法R-GA

路由算法是制约Peer-to-Peer 系统整体性能的关键因素之一.目前大多数路由算法无法保证全局收敛,而链路延迟、费用、网络带宽等现实制约因素往往在选路时被忽略.针对上述问题,提出了基于遗传算法的R-GA路由算法.通过适度函数和遗传因子,R-GA可以快速地实现全局收敛.同时将链路的延迟、费用、带宽等参数插入到适度函数中, 避免了盲目路由.仿真试验的结果表明,R-GA路由算法在大规模Peer-to-Peer系统中是高效和可扩展的.     

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。     

基于神经网络和遗传算法的移动机器人路径规划*

提出一种基于神经网络和遗传算法的路径规划算法.采用神经网络模型对机器人的环境信息进行描述,利用神经网络的输出建立遗传算法的适应度函数;然后使用遗传算法优化路径.在该算法中将需规划路径的二维编码简化成一维编码.仿真结果表明提出的路径规划方法是正确和有效的.     

量子遗传算法优化神经网络的MIMO-OFDM检测研究

信号的最优检测在常规条件下是一NP难解问题,针对RBF（径向基函数）神经网络算法易陷入局部极值和简单遗传算法收敛速度慢的问题,提出一种新型智能算法并将其用于MIMO-OFDM系统信号检测中：该算法将量子计算、遗传算法与神经网络相结合,用量子遗传算法（QGA）优化神经网络初始值。由于QGA给RBF网络提供了较好的初始值,故能够使RBF网络快速收敛到最优解,避免了由初始值的随机选取而带来的检测误码。实验结果表明,该算法能够有效地提高系统的信号检测性能,降低误码率。