期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
解非线性优化问题GM(1,1)模型的多子群遗传算法
1
作者 刘兵兵 郝庆一 《安庆师范学院学报(自然科学版)》 2015年第3期26-30,共5页
针对非线性优化问题约束条件中待定参数的时间序列数据,首先使用GM(1,1)方法进行建模预测得到参数的预测值,进而将参数预测值代入原问题中提出一个确定型的非线性优化问题。对该确定型问题设计了一个多子种群并行进化的遗传算法进行求解... 针对非线性优化问题约束条件中待定参数的时间序列数据,首先使用GM(1,1)方法进行建模预测得到参数的预测值,进而将参数预测值代入原问题中提出一个确定型的非线性优化问题。对该确定型问题设计了一个多子种群并行进化的遗传算法进行求解,在分析所提算法的收敛性的基础上,给出了初步的数值算例。数值算例实验结果表明:该算法能够较为精确地获得预测型非线性优化问题的(近似)全局最优解。 展开更多
关键词 GM(1 1)模型 非线性优化问题 均值白化 多子群遗传算法 全局最优解
下载PDF
基于遗传算法的模糊神经网络公交到站时间预测模型研究 被引量:9
2
作者 罗频捷 温荷 万里 《计算机科学》 CSCD 北大核心 2016年第S1期87-89 108,108,共4页
公交到站时间的预测受到诸多因素的影响,各种因素对预测准确度不可度量,很难采用传统数学模型进行建模解决。采用基于遗传算法的模糊神经网络模型对公交到站时间进行预测,该模型将遗传算法和模糊推理系统融入多层前馈神经网络中,并通过... 公交到站时间的预测受到诸多因素的影响,各种因素对预测准确度不可度量,很难采用传统数学模型进行建模解决。采用基于遗传算法的模糊神经网络模型对公交到站时间进行预测,该模型将遗传算法和模糊推理系统融入多层前馈神经网络中,并通过模糊规则的隶属度进行初始化与更新网络各个参数初始值,同时利用多子群自适应遗传算法进行宏观搜索,提高整个网络的寻优能力。模型以成都市某线路公交运行时间预测为例对其进行了模拟仿真,仿真结果表明基于遗传算法的模糊神经网络公交到站时间预测模型具有较高的准确性与可靠性。 展开更多
关键词 公交到站时间预测 多层前馈神经网络 模糊逻辑系统 多子自适应遗传算法
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部