一种改进的混合遗传算法人工神经网络及其应用

采用自适应交叉变异、最优保存、局部寻优的遗传算法,避免了BP神经网络在训练过程中收敛于局部极小点的缺陷,并将其对神经网络的权值和阈值进行优化,从而提出了一种改进的混合遗传算法神经网络模型。该算法首先对一给定的神经网络结构,采用自适应交叉变异和最优保存策略对神经网络进行优化;然后采用局部寻优策略进一步克服神经网络学习算法的早熟问题。采用上述三种优化策略的神经网络模型对三元混合物溶液的物性和烟叶质量进行预测。试算结果表明,与实验值相比,预测结果良好。

情报学领域潜在高影响力学者及其合作特点研究

随着社会化媒体的不断发展,学者学术影响力的评价方式和手段也在迅速增加。引文网络结构变异模型方法的出现,打破了传统的通过科学计量学指标、作者合作或作者引文网络结构中的节点指标来识别学者影响力的方式。基于该方法,利用CiteSpace软件工具检测情报学领域潜在的高影响力学者,揭示这些学者的合作特征。研究发现,情报学领域最具潜在影响力的五角星学者主要包括Leydesdorff L,Bornmann L,Thelwall M,Bar-llanJ,Waltman L,Huang MH,Rousseau R等人。五角星学者通常位于作者合作网络中不同合作小组的核心位置。其他有影响力的非五角星学者与五角星学者保持着较高的合作频率,在研究方向上有较高的相似性。

应用结构摄动策略的有分流换热网络优化

有分流节点非结构模型(NNM-SS)应用于换热网络优化时,因难以生成合适的分流结构而使优化陷入局部极值.根据NNM-SS的优化特点及网络结构中分流次数对费用的影响,提出结构摄动策略,并将其引入强制进化随机游走算法(RWCE-SS).策略的主要思想为:在优化过程中,以一定的概率随机抽取一个无分流结构的换热器,并在该位置上生成一组新的分流结构以增加网络中的分流次数,通过对结构的摄动实现对算法搜索能力的提升.算例验证表明应用该策略改进的算法可获得更好的优化结果.