遗传禁忌算法优化BP网络用于入侵检测

针对入侵检测系统存在的高漏报率和误报率,提出一种基于遗传禁忌神经网络的入侵检测模型。该模型基于遗传禁忌算法的全局搜索和BP网络局部精确搜索的特性,将遗传禁忌算法和BP算法有机结合,利用遗传禁忌算法优化BP网络初始权重,同时引入小生境技术改进遗传禁忌算法。实验表明,改进的遗传禁忌算法优化BP网络用于入侵检测能提高入侵检测的效率,降低误警率,可在一定程度上提高入侵检测系统的准确率。     

基于移动用户位置预测的垂直切换算法

针对异构无线网络环境中现有垂直切换算法存在难以实现移动用户接入网络的无缝切换,无法向用户提供稳定通信服务的问题,提出一种基于移动用户位置预测的垂直切换算法。首先利用用户移动轨迹的相似性,使用用户轨迹数据离线训练LSTM模型以学习各用户普遍具有的移动规律;然后在线加载LSTM模型进行用户位置预测,从而使用模糊逻辑分析计算下一时刻用户对应候选网络的回报值,并选取回报值最高的网络进行切换。实验结果表明,该算法与已有垂直切换算法相比,在不同的用户移动速度和用户规模条件下的切换次数、切换失败次数和切换时延均有明显下降,内存消耗较低,能够实现无缝切换。     

移动互联异构网络下多终端协同的垂直切换决策算法

针对移动互联网用户的多终端协同的垂直切换问题,提出一种UMTS与WLAN异构网络环境下的多终端协同的垂直切换决策算法,其包含切换时间判断与多终端协同算法。首先利用模糊逻辑判断网络切换时机,然后综合考虑主观因素和客观因素,采用AHP（Analytic Hierarchy Process）合理定义权值并结合TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution）实现不同接入策略的性能评价,为用户提供最佳QoE（Quality of Experience）的多终端协同方案。实验结果表明：所提方法和基于迟滞算法相比,切换次数平均降低7.9次,切换失败率平均降低2.25%;网络选择结果与应用需求和用户需求保持较好的一致性。实现了多终端协同用户在异构网络环境下高效实时的垂直切换。     

一种优化神经网络结构的遗传禁忌算法

常用的神经网络是通过固定的网络结构得到最优权值，使网络的实用性受到影响。引入一种基于方向的交叉算子和禁忌变异算子，同时把禁忌算法(TS)引入标准遗传算法，结合标准遗传算法和禁忌算法的优点，提出一种优化神经网络结构的遗传禁忌混合算法，实现了网络结构和权值同时优化。仿真实验表明，与遗传算法和禁忌算法相比，该算法优化的神经网络收敛速度较快、预测精度较高，提高了网络的处理能力。     

联合模糊逻辑和神经网络的网络选择算法

在网络优化选择问题的研究中,针对异构网络环境下的网络选择的问题,由于网络性能存在差异,提出一种联合模糊逻辑和神经网络的自适应网络选择算法.由于新方法具有学习训练的能力,所以能够根据输出误差对模糊神经网络的隶属度函数的参数进行动态的在线调整,从而使用户选择最优的网络.最后将联合模糊逻辑和神经网络的网络选择算法与基于模糊逻辑的网络选择算法进行了比较.仿真结果表明,改进方法能有效的保证用户舒适度比率趋于期望的理想值,实现了最优的网络接入选择,减少了乒乓效应发生的次数,并且相较于不自适应调整的模糊逻辑算法有更高的用户舒适度比率.     

模糊控制在垂直切换判决算法中的应用

为了满足用户的各种通信需求,垂直切换判决算法中考虑的因素越来越多,判决因素的增加,使得切换判决所需的时间延长,不能够实现快而有效的切换判决,影响了移动终端的实用性。并行模糊控制系统使得各判决因素同时进行模糊推理且大大减少模糊规则的数量,降低了切换判决的时延。把网络可用带宽、用户移动速度及网络的服务费用作为判决因素进入并行模糊控制系统,通过用户服务类型的不同,对各判决因素动态地计算相应的权值,同时各判决因素通过模糊控制系统的输出值与权值对应相乘相加,从而得到最优的切换目标网络。仿真结果表明,该算法增强了切换的准确性,减少了不必要的切换,增强了系统性能。     

面向网络收益的同步轨道卫星/蜂窝网络垂直切换算法

通过分析同步轨道卫星/蜂窝网络中影响垂直切换的决策参数,考虑终端移动速度,提出一种面向网络收益的垂直切换判决算法NROV。NROV算法基于用户需求对决策参数权重进行设定并对候选网络评分,形成切换请求,然后采用动态规划方法最大化网络收益,获得最终的切换判决。仿真结果表明,相对于传统算法而言,NROV算法能在考虑用户满意度的同时,保证网络收益,提高切换成功率。     

基于模糊多目标决策的两跳中继蜂窝网络切换算法

简要介绍了在集成两跳Ad Hoc和蜂窝网络的结构下,触发网络进行切换的一些因素和两种路由代理发现算法,并且提出了一种新的基于模糊多目标决策方法的切换决定算法。算法从层次分析和模糊综合评价理论的思想出发,结合用户、终端、业务和网络信息,对网络链路的性能进行综合评价,选择出最适合用户业务请求的路径。仿真显示在用户可感知业务QoS下降的情况下,算法可以通过增加QoS的权重而切换到更好的网络链路上,从而为用户提供了“总是最好连接”的服务。     

改进的粒子群算法优化TSFNN的交通流预测

为提高T-S模糊神经网络在交通流量预测的准确性,提出了一种改进的粒子群算法优化T-S 模糊神经网络预测交通流量的算法。该算法利用改进粒子群算法通过群体极值进行[t]分布变异,使算法跳出局部收敛,使用改进的粒子群算法优化T-S模糊神经网络,能够优化网络参数配置,进而提高网络的预测精度。利用优化后的T-S模糊神经网络对实测交通流量进行预测,实验仿真表明优化的T-S模糊神经网络可有效提高交通流量预测精度,减小预测误差。     

基于改进禁忌算法和ANN 的故障诊断推理

针对BP神经网络存在着容易陷入局部极小值且收敛速度慢的问题,提出了一种基于改进禁忌算法和ANN（Artificial neural network）结合的故障诊断模型．首先对故障诊断模型进行了定义,然后使用训练数据对网络的权值、阀值等参数进行训练,将训练结果作为改进禁忌优化算法的初始解进行全局寻优,对改进的禁忌优化算法进行了定义和描述,最后将全局寻优的结果代入神经网络中,使用测试数据进行故障诊断．通过仿真实验证明文中的方法与未经优化的ANN故障诊断模型相比,克服了传统方法的不足,具有诊断精度高、诊断速度快以及收敛速度快的特点．     

基于递阶遗传算法模糊加权神经网络的模糊规则自动获取

针对模糊规则的自动获取一直是模糊系统的一个瓶颈问题，提出一种基于递阶结构的混合编码遗传算法与进化规划相结合的模糊加权神经网络学习新算法，利用该算法同时优化模糊加权神经网络的结构和参数，最后说明了从网络中提取模糊规则的方法，从而自动获得最优的模糊规则。分析和实验结果表明，本文方法在规则提取和分类准确性等方面比其他方法更好。     

Prediction of service life of large centrifugal compressor remanufactured impeller based on clustering rough set and fuzzy Bandelet neural network

In order to predict the service life of large centrifugal compressor impeller correctly, the rough set and fuzzy Bandelet neural network are combined to construct the novel prediction model which can give full play to theirs advantages. The attribute reduction algorithm based rough set and clustering method is firstly designed to optimize the inputting variables of fuzzy Bandelet neural network. And then the prediction model based on fuzzy Bandelet neural network is proposed, the Bandelet function is used as the excitation function of hidden layer and is combined with fuzzy theory to improve the prediction effectiveness of the prediction model. The training algorithm of fuzzy Bandelet neural network is designed based on improved genetic algorithm, the improved genetic algorithm introduces the adaptive differential evolution method into the traditional genetic algorithm, which can effectively optimize the parameters of fuzzy Bandelet neural network. Finally, the original 30 input variables of fuzzy Bandelet neural network are reduced to 9 input nodes based on rough set using 500 remanufacturing impellers as research objects. The service life of remanufacturing impeller is predicted based on three prediction models, and simulation results show that the fuzzy Bandelet neural network optimized by improved genetic algorithm has highest prediction precision and efficiency, which can correctly predict the service life of remanufacturing impeller.     

遗传算法及模糊、神经网络融合技术的研究

介绍了遗传算法与神经网络、遗传算法与模糊逻辑系统的融合方式及结构，并通过遗传算法、模糊、神经网络三者的融合技术对倒立摆进行控制，介绍了参数优化方法，说明了这种融合技术的可行性、实用性和通用性。     

基于混合算法的通信用户规模预测方法研究

准确地对通信用户规模进行预测对于通信运营商的决策具有十分重要的意义,而现有的常规预测方法存在预测误差较大、预测速率低等问题。研究一种基于RBF神经网络的通信用户规模预测模型。为了使得RBF神经网络算法预测性能更优,使用梯度下降算法与遗传算法混合对RBF神经网络进行参数优化,提高预测模型收敛效率。实例分析表明,使用本文研究的混合RBF神经网络预测模型的预测结果明显优于其他传统的预测模型。同时,在预测速度上也具有较大的优势。     

基于HGA的模糊神经控制器设计及其应用

将神经网络与模糊控制相结合,实现了模糊控制器的自学习和自适应。给出一种基于递阶遗传算法的模糊神经网络优化算法,通过对每个染色体采用递阶编码,可以同时优化模糊神经网络结构和权值参数。将这种模糊神经网络控制器应用于镍氢电池的充电控制中,证明了算法的有效性。     

基于Sugeno型神经模糊系统的交通流状态预测算法

从交通流状态的模糊特性出发,设计基于Sugeno型神经模糊系统的交通流状态预测算法.选择交通流状态的影响指标作为模糊推理系统的输入、交通流状态作为输出;据经验对输入、输出划分模糊子集,给出相应的隶属度函数并制定模糊规则;建立具有5层结构的神经模糊推理系统,利用神经网络优化调整模糊推理系统的隶属度函数和模糊规则.仿真实验表明,神经网络可直接优化模糊推理系统的隶属度函数,通过对连接权值的训练间接优化模糊规则,故Sugeno型神经模糊系统相比常规模糊系统具有更好的交通流状态预测性能.     

基于模糊规则自动生成算法的茶味觉信号识别

在充分研究了模糊加权神经网络和微粒群算法的基础上，给出一种能够自动生成模糊规则的剪枝算法,并以此建立了新的网络模型。通过茶味觉信号识别的仿真实验验证了该算法的有效性。     

Genetic algorithm design of neural network and fuzzy logic controllers

This paper discusses the design of neural network and fuzzy logic controllers using genetic algorithms, for real-time control of flows in sewerage networks. The soft controllers operate in a critical control range, with a simple set-point strategy governing “easy” cases. The genetic algorithm designs controllers and set-points by repeated application of a simulator. A comparison between neural network, fuzzy logic and benchmark controller performance is presented. Global and local control strategies are compared. Methods to reduce execution time of the genetic algorithm, including the use of a Tabu algorithm for training data selection, are also discussed. The results indicate that local control is superior to global control, and that the genetic algorithm design of soft controllers is feasible even for complex flow systems of a realistic scale. Neural network and fuzzy logic controllers have comparable performance, although neural networks can be successfully optimised more consistently.     

利用影响因子遗传算法优化前馈神经网络*

提出了一种带有影响因子的改进遗传算法并以此来优化前馈神经网络.染色体的每个基因都有一个影响因子,其不同取值体现了基因对整条染色体的不同影响程度.在遗传进化过程中,通过影响因子等遗传操作以达到对前馈神经网络的权值、阈值和结构优化的目的.仿真实验表明,该算法能够快速地确定神经网络的结构并且有效地提高了神经网络的收敛速度.