基于Hopfield神经网络的单缸插销式伸缩臂伸缩路径优化

提出了单缸插销式伸缩臂伸缩路径优化问题,采用Hopfield神经网络构建了数学模型。由于能量方程中的约束项罚参数λ和目标项罚参数γ的确定往往相互矛盾:当λ占优时,能量方程更多朝向满足约束方向收敛,得到的有效解往往不是高质量解;当γ占优时,则可能收敛到无效解。为此,提出了λ为向上梯度递增、γ为向下梯度递减的曲线形式;对于λ和γ的增量确定,提出了一种基于约束边界偏差控制的PID自适应增量法,通过对约束边界偏差的PID控制使有效解的生成可控。实验结果表明:路径优化后伸缩效率能提升10%～30%。神经网络模型优化效果较好,几乎能100%收敛到有效解,同时由于PID控制使解聚集到约束边界,最优解生成率也较高,接近50%。     

用Hopfield网络优化空间机器人的路径

采用人工神经网络中的基本Hopfield网，实现了空间机器人的路径规划，解决了对两两给定通路的若干空间站点，空间机器人能顺序访问并最终返回起点的最短巡游路径问题．用Hopfield网解决最优化问题可针对不同的具体问题来设计网络的连接权及能量函数，从而扩展网络对解决具体问题的适应性，具有并行处理能力强、方法简单、容易实现等诸多优点．     

基于Hopfield神经网络算法的航线优化研究

采用连续型Hopfield神经网络算法航线进行优化设计,综合考虑航线运价以及路程作的约束条件,设计最优航线。考虑构造相应置换矩阵,将目标函数以及约束条件作为构造条件设计相对应的能量函数,将问题的最优解映射到神经网络的稳定状态上,采用MATLAB软件进行算法的编程和求解,最终得出单位路程运价最低的航线优化方案。     

Hopfield神经网络在机器人路径规划中的应用

将Hopfield反馈型神经网络方法,应用于对机器人工作路径的合理规划中,解决了对两两给定通路的若干工作站点,机器人能顺序访问并最终返回起点的最短巡游路径问题。可针对不同的具体问题来设计网络的连接权及能量函数。对8站点和16站点仿真结果表明,此方法可以在较短的时间内寻优获得最佳工作路径。     

Hopfield网络的稳定性优化计算研究

通过对阈值进行适当的设置,分析了权值矩阵对角元为任意实数时Ｈｏｐｆｉｅｌｄ网络的稳定性,并以此为基础给出了一种新的网络优化计算算法。     

Hopfield神经网络算法求解路网最优路径

为了解决经典算法在求解大规模路网最优路径时运算时间长的问题,研究了Hopfield神经网络的特点,建立了一般路网的数学模型,根据Hopfield神经网络的特点设计了适合车辆诱导的路网Hopfield神经网络最优路径算法.采用动态邻接矩阵对该算法进行了优化,减少了运算时间.把该Hopfield神经网络算法应用于所研发的车辆诱导系统的最优路径求解中,并进行了实际路网测试,结果表明应用该算法能够正确求解路网的最优路径,且比经典算法的运算效率高.     

基于Hopfield神经网络的状态观测器设计

基于神经优化计算原理，给出了线性定常系统的状态观测器的设计方法。将观测器设计问题转化为约束非线规划问题，利用Hopfield神经网络在线的计算观测器的增益矩阵和输入矩阵，能够保证观测器输入信号的平均幅值接近最小。数字仿真结果表明了该方法的有效性。     

关于非对称Hopfield神经网络的稳定性

根据矩阵特征值分布范围，讨论了连续时间Ｈｏｐｆｉｅｌｄ神经网络模型的渐近稳定性，给出了目前最优的结果，这对于实际网络设计有重要的指导作用。     

Hopfield神经网络构建骨架图的一种有效应用

采用一种局部连接Hopfield神经网络(HNN)来构建骨架图，进行移动机器人路径规划。该HNN势场没有非期望的局部吸引点，所构建骨架图和环境连通性相一致，保证了路径规划的完整性。仿真表明该方法具有较高的实时性和环境适应性。     

基于Hopfield神经网络的路径优化

基于Hopfield神经网络研究旅行商问题(TSP),建立适用于TSP问题的能量函数,给出了路径优化的具体求解算法。分别构造8、20、40个城市的位置坐标,采用Hopfield神经网络实现了不同数目的城市路径问题优化,并对旅行路径优化问题进行了计算机MATLAB模拟仿真。结果证明,基于Hopfield神经网络对路径优化的方法是有效且实用的,解决了当城市数目很大时求取路径最优解的问题。     

基于混沌搜索的神经网络及在优化问题中的应用

在运用Hopfield神经网络求解优化方面问题的同时,引进GCM混沌神经网络,对求解过程进行了改进。通过混沌遍历,可使Hopfield网络在整个相空间进行搜索,从而避免网络在运行过程中陷入局部极小值。通过对一个物流配送的实例进行实验,结果显示Hopfield网络的寻优特性获得了较大改进。     

基于连续型Hopfield网络的最优控制方法

为克服应用离散型Hopfield网络解决动态最优控制问题时,计算量随着系统维数和控制时域的增加而指数增大的不足,提出了一种基于连续型Hopfield网络解决线性离散系统二次型最优控制问题的方法.该方法将线性二次型性能指标转化为连续型Hopfield网络的能量函数,控制序列转化为连续型Hopfield网络神经元的输出向量,从而将线性二次型动态优化问题的求解过程转化为相应的连续型Hopfield网络从初态向终态的运行过程,网络稳态输出反映了最优控制序列.该方法计算量小,实时性好,便于在线优化控制.     

基于离散Hopfield神经网络的文献检索智能识别

根据Hopfidd网络中神经元之间的相互连接具有丰富的动力学特性的特点，探究了Hopfield网络模型在文献检索中的运用，指出该网络存在的问题，并提出解决方案．     

基于离散Hopfield神经网络的文献检索智能识别

根据Hopfield网络中神经元之间的相互连接具有丰富的动力学特性的特点,探究了Hopfield网络模型在文献检索中的运用,指出该网络存在的问题,并提出解决方案.     

基于模拟退火与遗传算法结合的神经网络图像分割

为解决运用Hopfield神经网络优化算法处理图像分割存在的收敛速度与局部最优的矛盾,采用模拟退火策略与遗传算法结合的优化方法来改进传统的优化算法,对迭代收敛后的Hopfield网络在局部范围内运用模拟退火遗传算法,以搜索阈值平面全局最优解,进行图像分割。实验证明,采用此方法可以得到较好的分割效果。     

基于离散Hopfield神经网络的葡萄酒质量评价

葡萄酒质量评价是一个多因素、非线性的复杂过程,为了提高评价结果的准确性,在构建评价指标体系的基础上,利用离散Hopfield神经网络建立了葡萄酒质量评价的数学模型,并通过Matlab神经网络工具箱对葡萄酒质量评价进行仿真试验.结果表明,该模型提高了葡萄酒质量评价的准确性,评价结果对葡萄酒的生产和市场定位具有一定的参考意义.     

基于遗传BP神经网络的磁流变悬置模型辨识

为克服误差逆向传播算法的多层前馈型BP神经网络收敛速度慢、局部极小化问题,提出用遗传算法(GA)的全局搜索能力寻求最优的BP神经网络权值和阀值,以提高神经网络的收敛速度和克服局部最优。以磁流变液压悬置动态特性试验结果为数据样本,分别用未优化的BP神经网络和优化后的GA-BP神经网络对磁流变液压悬置正、逆模型进行辨识。结果表明,相对于BP神经网络,GA-BP神经网络具有更高的辨识精度、更快的收敛速度,在磁流变液压悬置数学模型辨识方面具备更优的性能。     

含脉冲的Hopfield神经网络模型及其收敛性

利用脉冲微分方程,建立了一种新型神经网络模型,通过构造Lyapunov函数方法,讨论了网络的周期振荡性,和全局指数收敛性质及其收敛速率,并给出一实例说明所得结论.     

Filtering and Estimation of Vehicular Dead Reckoning System Based on Hopfield Neural Network

The algorithm of Hopfield neural network filtering and estimation is studied. The model of vehicular dead reckoning system fitting for the algorithm is constructed, and the design scheme of system filtering and esti-mation based on Hopfield network is proposed. Compared with Kalman filter, the algorithm does not require very precise system model and the prior knowledge of noise statistics and does not diverge easily. The simulation results show that the vehicular dead reckoning system based on Hopfield network filtering and estimation has the good position precision, and needn‘t require the inertial sensors with high precision. Therefore, the algorithm has the good practicability.