用messy遗传算法确定多层前向神经网络的隐层结点数

提出了一种用messy遗传算法来确定前向神经网络的隐层结点数的方法。该方法引入切断算子和拼接算子,以均方差函数为网络的目标函数,从而得到合适的隐层结点数。实例仿真表明,与现有的方法相比较,该方法找到的隐层结点数所对应的网络均方误差最小,达到了优化神经网络的结构的目的。

基于遗传算法的污水处理工艺流程优化

污水处理工艺是针对城市生活污水和工业废水的处理问题所提出的一套完整的解决方案,并且被广泛应用于各个领域.城市污水处理工艺应根据处理规模、水质特性、受纳水体的环境功能及当地的实际情况和要求,在工艺技术特性与经济成本的衡量中选择优化方案确定,其可以看作是一种特殊形式的多参数优化问题:首先统计污水处理的工艺方法并设计污水处理工艺知识库;其次将各工艺的参数和环境信息作为输入,以工艺知识库作为支撑,依托设定好的智能算法自动生成由工艺知识库中的工艺组合而成的方案,方案包括各工艺模块的顺序、工艺内部组件的尺寸、预测运行成本以及处理效果.本文提出了使用messy遗传算法对污水处理工艺流程进行选优推荐,将工艺序列的总成本的倒数作为适应度,根据工艺知识库与优化目标,自动生成在多个污染物指标达标的情况下成本最低的优化方案.通过实验验证,messy遗传算法能够在工艺序列长度变化的情况下实现方案的高效准确推荐.