一种基于遗传算法的神经网络控制方法

本文比较了传统的BP算法和遗传算法用于神经网络设计的优缺点，阐明了遗传算法和神经网络相结合的必要性，提出了一种用遗传算法同时优化网络的结构和权值的神经网络控制方法，通过对遗传算法基本参数及骗码方案，遗传算子的设计，实现了权值与结构的同时优化，成功地应用于二级倒立摆系统的控制，仿真结果显示了这种遗传算法能够有效抑制早期收敛，以较快的速度与较高的精度达到全局快速收敛。     

带周期校正的灰色残差预测模型

随着实验系统规模的不断扩大,系统运行成本高、周期长等问题逐渐显现,这就造成了实验数据获取困难、可供分析的实验数据量偏小等问题.因此,有必要通过合理的模型和方法分析原始数据的特点,对实验数据进行建模预测,获得足够的数据来对系统进行下一步的分析.针对此问题,以灰色理论为基础,在非等间距GM(1,1)灰色预测模型的基础上,首先加入残差校正模型来提高预测精度,同时对于原始数据具有周期性的情形,建立周期补偿序列,最终建立起了带周期校正的灰色残差数据预测模型.最终的实验结果表明,该模型在用于对周期性数据的预测时,准确率相对于不带周期校正的预测模型有所提高.     

基于DS证据理论的复杂产品仿真可信度评估方法

计算机建模仿真已经发展为重要的产品开发和系统测试手段. 仿真可信度对于仿真结果非常重要,但评估仿真可信度的过程常常较为繁琐. 因此,需要一个能够便捷正确地评价仿真可信度的评估方法,来完成体系建立、定性定量评估、专家意见汇总等工作. 本文介绍了DS证据理论的原理及其应用,并对传统DS证据理论在评价系统中应用的局限性进行了改进,同时引入了凸证据作为辅助,建立了基于DS证据理论的复杂产品仿真可信度评估方法. 文章最后结合一个算例具体说明了该理论在仿真可信度评估中的应用.     

基于灰色关联分析的仿真数据可信度评估

计算机仿真系统已经发展为重要的产品开发和系统测试手段.由于仿真系统对于用户往往是透明的,所以直接从系统本身对其可信度进行评估比较复杂.仿真数据是仿真系统的直接输出,它可以最直观地反映仿真系统的本身性质,所以对于仿真数据可信度的评估尤为重要.为了能够对仿真数据可信度有着更好的评价,通过引入灰色系统理论,建立了仿真数据的灰色关联分析方法.最后通过一个实例具体说明了该理论在仿真可信度评估中的应用.