排序方式： 共有2条查询结果，搜索用时 13 毫秒
1
1.
基于矩阵运算的改进单纯形寻优方法 总被引：1，自引：0，他引：1
为解决单纯形法优化容易陷入局部极值的问题,通过随机设置若干初始点,利用矩阵进行多点并行搜索方法,可搜索到全部极大(极小)值点,达到全局最优化目的. 与常规的重复设置单初始点循环搜索的方法相比,该方法明显减小了初始值设置对单纯形法寻优的影响,提高了搜索速度并获得全局最优值,优化效率大幅提高. 仿真结果表明:该改进的寻优方法不仅可应用于函数极值搜索,而且应用在控制系统PID参数寻优中,能获得满意的调节效果. 相似文献
2.
一种改进的神经网络集成法预测PMV指标 总被引：2，自引：0，他引：2
为解决大样本的PMV指标预测问题,采用基于模糊聚类的神经网络集成方法,将原始样本集模糊划分为多个相交子集,通过这些模糊子集训练神经网络得到预测个体,再对个体输出加权结合获得预测结果.在进行神经网络集成过程中,采用微粒群算法有效克服了聚类和常规神经网络训练容易陷入局部最优的缺点,总结出一种更加有效的神经网络集成方法.实验结果表明:基于微粒群的神经网络集成算法有较好的全局优化性能,其集成的神经网络系统能更准确地预测PMV指标. 相似文献
1