基于改进SGA的神经网络权系优化训练

本文介绍了采用一种改进SGA来替代BP学习算法 ,对神经网络权系进行优化训练 ,仿真实验表明 ,SGA较BP收敛速度快 。

基于改进遗传算法的钢筋混凝土框架优化设计

为改善标准遗传算法(SGA)在离散变量结构优化设计中的早熟问题,提出一种新自适应交叉、变异算子,并结合罚函数改进措施,以改善SGA的不足。自适应改进措施通过迭代数和个体优秀程度进行共同把控,做到前期有较大交叉概率,丰富种群,后期有较大变异概率,增进局部寻优,并通过正交试验测试得出改进SGA最优的控制参数。采用改进SGA对不同的钢筋混凝土框架结构算例进行验证,结果表明:改进SGA的计算结果比传统设计方法、SGA、拟满内力算法更优,说明了改进SGA的适用性和有效性。从整体结果分析可知,改进SGA可以更好的发挥其自身的全局优化性能,可解决多工况、多单元的钢筋混凝土框架结构优化问题,是一种较为高效的方法。