基于佳点集的多目标遗传算法

佳点集遗传算法是利用数论中的佳点集的理论,对GA算法中的交叉操作进行了重新设计的GA算法。该算法不仅提高了求解的效率和精度,还能有效地避免"早熟"现象。对其部分机制作出改动,使其可以应用于多目标优化问题。并将其引入一个典型的多目标遗传算法NPGA中。文中给出的仿真算例证实了改进方法的有效性。

基于样本期望训练数的BP神经网络改进研究

BP算法是神经网络中最常用的算法之一。标准BP算法存在的最主要问题就是易于陷入局部极小、收敛速度慢等问题。针对BP算法的这些问题,出现了许多改进的措施,如引入变步长法、加动量项法等。提出了一种基于样本期望训练数的改进BP算法,仿真实验说明了该算法可以明显提高BP网络学习速度,并且具有简单通用性,可以和其他方法结合,进一步提高算法的收敛速度。

基于佳点集遗传算法的足球机器人策略设计

为了优化足球机器人策略的设计,文中提出了一个基于佳点集遗传算法的足球机器人动作规划算法。首先定义一个足球机器人的动作集合,根据赛场的实际情况为足球机器人分配角色与任务,然后利用佳点集遗传算法为足球机器人选择合适的动作,用该算法进行截球实验和射门实验。实验结果表明,应用新算法的仿真足球机器人动作更准确,效果更佳。