求解非线性方程组的迭代神经网络算法

求解非线性方程组是工程研究中的基本问题,普通的求解算法均具有一定的缺点,通用性不强。神经网络能以任意精度逼近非线性函数,利用它逼近非线性方程组的函数的反函数,提出了通用性较强的数值求解方法。首先,给出了不需迭代的简单神经网络算法;然后,针对给定求解区域偏大和不准确的问题,提出了缩小与改变求解区域的迭代神经网络算法。这两种算法均进行了实例求解,结果表明,两种算法格式简单,求解时间短,精度高,具有较高的应用价值,在理论研究和工程实践中具有较大应用前景。最后分析了算法的优点和改进方向。     

一种搜索模糊聚类全局最优解的Tabu算法

模糊聚类问题由于其非凸性而成为一个难以解决的数学问题。在解决模糊聚类问题时,会出现很多局部极小值和鞍点。因此,启发式的模糊C-均值算法是应用最为广泛的算法,其缺点是很容易陷入局部极小值。本文提出了一种搜索模糊聚类全局最优解的Tabu搜索算法,并比较这种新算法和模糊C-均值算法的性能。经过多次数据试验,证明Tabu搜索算法在搜索全局最优解时是很有效的。