利用GA—BP算法对模糊神经网络进行优化

分析了ＢＰ算法和遗传算法（ＧｅｎｅｔｉｅＡｌｇｏｒｉｔｈｍｓ,以下简称ＧＡ）各自的优缺点,将改进的ＧＡ与ＢＰ算法相结合,提出了一种新的ＧＡ－ＢＰ算法,并将其应用于模糊神经网络的参数优化,仿真结果验了本算法的有效性。     

GA-ANN算法在产品质量估计中的应用

针对反向传播（ＢＰ）算法,径向基函数（ＲＢＦ）算法的不足,提出了基于遗传算法（ＧＡ）确定神经网络构或权值的进化神经网络算法（简称ＧＡ－ＡＮＮ算法）。在产品质量估计仿真研究中表明,该算法不需试凑而取得较好的网络结构和参数。     

前向网络的两种混合学习策略

针对前向网络反向传播算法（ＢＰ）训练缓慢和易于陷入局部极小的缺点以及反向运算的复杂性,利用ＢＰ算法监督学习特点、模拟退火（ＳＡ）算法在局部极小处的概率突跳特性和遗传算法（ＧＡ）的并行化群体搜索的特点,有效结合ＢＰ和ＳＡ算法以及ＧＡ和ＳＡ算法,提出了前向网络的两种混合学习策略即ＢＰ＆ＳＡ混合策略和ＧＡ＆ＳＡ混合策略。以异或问题为例,通过计算机仿真对混合策略与ＢＰ、改进ＢＰ算法的比较表明混合学习策略较大程度改进了前向网络学习的收敛性能和收敛速度,并一定程度上避免了反向运算的复杂性,是前向神经网络学习的有效算法。     

自适应遗传算法优化模型小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络的隶属函数，提出一个自适应ＧＡ优化算法，并且以优化模型小脑模型ＦｕｚｚｙＣＭＡＣ学习正弦曲线，仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级，比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级，自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习速度比ＧＡ优化的速度快且乾化过程的振荡明显减小，仿真     

基于遗传算法的神经网络在局部放电模式识别中的应用

针对ＢＰ神经网络（ＮＮ） 在大型发电机局部放电模式识别中存在的收敛速度慢、容易陷入局部极小点的问题,提出采用遗传算法（ＧＡ） 作为神经网络的学习算法．并且根据神经网络结构的特点,构造了新的遗传算子．结果表明,与ＢＰ神经网络相比,ＧＡ 神经网络的收敛性能和推广能力都有了明显提高     

自适应遗传算法优化模糊小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络（ＦｕｚｚｙＣＭＡＣ）的隶属函数．提出一个自适应ＧＡ优化算法，并且以优化模糊小脑模型ＦｕｚｙＣＭＡＣ学习正弦曲线．仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级、比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级．自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习速度比普通ＧＡ优化的速度快且进化过程的振荡明显减小，仿真证明该方法比普通ＧＡ优化方法稳定，收敛效果好．     

关于旅行售货员问题的混合遗传算法研究

遗传算法（ＧＡ）是一类仿生算法，广泛应用于大型优化问题的求解，本文介绍孤原理和算法，并用简单遗传算法（ＳＧＡ）和混合遗传算法（ＨＧＡ）对旅行售货员问题（ＴＳＰ）进行了研究。     

变形遗传算法模型研究

遗传算法 (ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｓ———ＧＡ)是近年来迅速发展的一种借鉴生物界自然选择思想和自然遗传机制的全局随机搜索优化算法。因为ＧＡ在解决大空间、非线性、全局寻优等复杂问题时具有传统方法所不具备的独特的优越性 ,所以它自从 70年代由美国学者Ｊ .Ｈ .Ｈｏｌｌａｎｄ创建以来 ,已经在组合优化问题求解、自适应控制、模式识别与图像处理、规划设计、机器学习和人工生命等领域的应用中展现了其特色和魅力。然而 ,基本的遗传算法ＳＧＡ有两个严重的缺点 ,即容易过早收敛 ,以及在进化后期搜索效率较低 ,从而使其在应…     

基于遗传神经网络的冷连轧机轧制压力模型

对鞍网冷轧厂四机架冷连轧机轧制压力模型进行了认真分析,指出了其存在的缺陷,把遗传算法（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍｓ,简称ＧＡ）和神经网络有机结合,设计出了具有遗传算法性能参数优选、网络结构参数优选、网络性能参数优选以及ＧＡ－ＢＰ算法联合进行网络权值修改几种功能的遗传神经网络,建立了基于遗传神经网络的新冷连轧机轧制压力模型,通过原模型计算值、新模型计算值与实测值之间的对比分析可知,遗传神经网     

解平面四杆机构约束优化问题的改进遗传算法

以平面四杆机构约束优化设计这一实际问题为背景,针对传统遗传算法（ＧＡ）存在的问题,提出了一种新的将柯西机（ＣＭ）和遗传算法相结合的改进遗传算法（ＭＧＡ）,数值计算结果表明,该算法避免了ＧＡ算法中的早熟收敛问题,可获得上机构参数优化问题的最优解,并且还具有收敛速度快等特点。     

求解常微分方程初值问题的自适应算法

在综合ＣＷＧｅａｒＷ Ｈ Ｅｎｒｉｇｈ，Ｔ ＥＨｕｌｌ，Ｂ Ｍ Ｆｅｌｌｉｎ和Ａ Ｅ Ｓｅｄｇｅｗｉｃｈ等人提出的一系列求解常微分方程初值问题的方法的基础上，给出了一收敛速度快，精度高，计算稳定的自适应算法。     

基带DτAGC算法及其在DFE均衡器中的应用

根据恒幅－窄带原理ＤτＡＧＣ（Ｉ／Ｄ）抗干扰方法,导出一种用于处理离散基带信号的ＤτＡＧＣ递推算法,并将此算法用于数字信道的ＤＦＥ自适应均衡。计算机模拟实验表明,ＤτＡＧＣ算法能有效地抑制脉冲干扰、压缩动态范围,与固定时间常数ＡＧＣ算法相比,采用ＤτＡＧＣ算法的ＤＦＥ均衡器误码率明显降低。     

切片平均分子量神经网络预测模型的研究及应用

建立聚合反应切片平均分子量的预测模型对锦纶帘子布的生产有重要的意义,该文采用改进的遗传算法（ＧＡ）和ＢＰ算法相结合的混合学习算法来训练神经网络,并采用多元逐步回归法对输入层节点数进行了优化,建立了聚合反应切片平均分子量在线预测的神经网络模型。在某化工厂聚合反应中的应用表明,该模型比基于最小二乘法的预测模型收敛速度快,预测精度高、网络有泛化能力强。     

寻找非线性电阻电路全解集的 GA-HPNN 方法

利用群集遗传算法（ＮＩＣＨＥＤＧＡ,简称ＮＧＡ）中群集原理,提出了一种群集消除的思想。利用该思想可将多最大值最优化问题转化为满足群集消除条件的序贯最优化问题。利用非线性电阻电路方程组解与相应的最优化问题解的等价性,可将求取非线性电阻电路全解集的问题转化为满足群集消除条件的最优化问题。遗传算法和Ｈｏｐｆｉｅｌｄ神经网络组合算法（ＧＡ－ＨＰＮＮ）结合了遗传算法（ＧＡ）的全局寻优与Ｈｏｐｆｉｅｌｄ神经网络局部寻优特点,能以较高的精度与速度得到非线性电阻电路的全解集。算法的普适性较强。     

异构计算系统的表调度式任务映射与调度算法

研究了在异构计算系统（ＨＣＳ）中利用表调度式算法进行任务映射与调度．给出两种异构静态优先级表调度式任务映射算法（ＨＳＰ和ＧＨＳＰ）,以及一种异构动态优先级表调度式任务映射算法（ＢＨＤＰ）．实验结果表明,ＧＨＳＰ算法对于粗中粒度ＤＡＧ的调度效果稍好于ＨＳＰ算法,而ＢＨＤＰ算法对于粗粒度和细粒度ＤＡＧ的调度效果均明显优于ＨＳＰ和ＧＨＳＰ算法．     

基于GA学习的模糊小脑模型控制器

提出一种基于遗传算法学习的模糊不脑模型神经网络控制器,即利用遗传算法学习和优化ＦＣＭＡＣ控制器的连接权重,构成一个ＧＡ－ＦＣＭＡＣ控制器,该算法适用于多输入－多输出系统,对于倒立摆非线性系统的仿真结果证明,本算法的有效性和适应性。     

混合遗传算法的收敛性研究

近年来,一种新的优化算法－－遗传算法（ＧＡ）正迅速发展成为一个十分活跃的研究领域。ＧＡ以其高效、实用的特点在各个领域得到广泛的应用,取得了良好的效果,并越来越受到人们的重视,由于ＧＡ存在过早收敛的问题。本文提出了克服此问题的混合遗传算法（ＨＧＡ）,并用Ｍａｒｋｏｖ链理论证明了ＨＧＡ的收敛性。     

青霉素惊厥与脑中GABA_A和GABA_B受体亲和力的关系

脑室微量注射青霉素（１１．９ｍｇ·ｍｌ－１，１５μｌ）制作小白鼠惊厥模型；并以同位素示踪法研究大脑皮层、小脑、海马、下丘脑四个脑区ＧＡＢＡＡ和ＧＡＢＡＢ受体亲和力的变化。结果显示，青霉素惊厥时大脑皮层和小脑ＧＡＢＡＡ受体亲和力显著减弱，而海马、下丘脑ＧＡＢＡＡ受体亲和力无变化；青霉素惊厥使四个脑区中ＧＡＢＡＢ受体均显著下降。提示，除了海马和下丘脑的ＧＡＢＡＡ受体以外，四个脑区的ＧＡＢＡＡ和ＧＡＢＡＢ受体均参与了青霉素的致惊厥过程。青霉素可能通过竞争内源性ＧＡＢＡ与ＧＡＢＡＡ和ＧＡＢＡＢ受体的结合，阻断了ＧＡＢＡ介导的突触前和突触后抑制效应并增加了兴奋性递质的释放，显示了惊厥效应。     

由海洋环境探测分析雷达反演海流径向流速

该文讨论了复海洋环境探测分析雷达的回波信号反演海流径向流速的方法,文中采用搜索ＢＲＡＧ频点算法,能准确地从基于现代谱处理方法的谱图 到反射信号的ＢＲＡＧＧ频点,通过计算其Ｄｏｐｐｌｅｒ频偏可推算出海流速度。对比结果表明,用ＢＲＡＧＧ频点搜索算法反的流速与实测数据能很好地吻合。     

自适应杂交NGA及其在多值电路分析中的应用

提出了一种具有自适应交叉算子的ＮＧＡ算法（简记为ＡＣＮＧＡ），以解决具有多模态函数的参数优化问题，ＡＣＮＧＡ能随着解空间参数结构的变化，自适应地选择不同的杂交算子并确定相应的杂交率，使解群在保持多样性的前提下，以较收敛率得到最优解集。该算法可求解非线性方程组，并主解具有任意约束关系的非线性电阻电路的所有解。