求换热网络最小换热单元数的Hopfield神经网络模型参数估计

着重介绍换热网络最小换热单元数的混合求解方法中Ｈｏｐｆｉｅｌｄ神经网络模型的常系数、指数因子、迭代步长等参数的选择。各参数的确定建立在大量试验的基础上。这些参数的取值范围能够适用于不同规模的求最小换热单元数的换热网络综合问题。     

换热网络综合中最小换热单元数的神经网络模型

文中提出一种新的换热网络最小换热单元的求解方法－神经网络方法，采用中文提出的优化模型议程及优化策略，能够快速准确地求得最小换热单元数，求解时自动化程度高。尤其适用于物流数较多的换热过程并通过实例说明本方法的实施情况。     

大规模无分流换热网络最优综合的模型与算法

提出了大规模无分流换热网络最优综合问题的严格的混合整数非线性规划超结构模型,该模型建立在新的超结构基础上,可包含更多可行的换热网的结构,并成功地解决了“组合爆炸”问题。同时针对该模型提出了改进的遗传算法。文中给出了大规模换热网络综合的一个工业实例;乙烯装置的换热网络改造。     

解换热网络同步综合问题的列队竞争算法

给出了换热网络同步综合问题的数学模型和拓扑结构的描述,并确定了产生相邻换热网络的策略。在此基础上,提出了列队竞争算法解网络综合问题的计算方法。对实例问题的求解得到了优于文献报道的结果。     

一种改进的Hopfield神经网络算法用于单元布局

利用改进的Ｈｏｐｆｉｅｌｄ人工神经网络模型，提出了用于求解ＶＬＳＩ系统单元布局的优化 算法。该算法具有简单的能量函数表达式，较快的收敛速度，可避免无效解。利用此算法对于６ 种较复杂的布局实例进行运算，在布局优化结果和运算速度方面都比同类研究有较大改进。     

群智优化算法同步综合换热网络

提出了一种同步综合换热网络的群智优化方法。采用超结构建立换热网络模型,以不同的换热网络结构为演化个体,个体的各维分别表示各换热器的换热量,以最小总费用为优化目标,同步考虑投资和运行费用,采用遗传算法优化网络结构、粒子群算法优化换热量。避免了传统方法的复杂计算,解决了各换热器的换热量受到换热条件约束并相互制约等设计的难题,提高了设计的速度和设计的智能性。仿真研究验证了方法的有效性。     

结构分析的Hopfield神经网络解法

根据最小势能原因与Ｈｏｐｆｉｅｌｄ神经网络运作机制的相似形,构造一个适当的Ｈｏｐｆｉｅｌｄ神经网络,以结构总势能作为神经网络的能量函数,用神经元状态变量代表结构,各自由度在总坐标系中的位移分量,用神经网络的连接权值代表结构的总刚矩阵,用神经元的阈值代表结构在总坐标系中的等效节点荷载。用一神经网络求解已引入支承条件的结构位移方程,数值模拟表明,这种解题方法的收敛速度优于传统的Ｇａｕｓｓ－Ｓｅｉｄｅｌ     

Hopfield神经网络的改进

提出一个改进的Hopfield神经网络模型,其连接矩阵的对角元T_n=1,同时根据大量的计算机模拟实验并从神经网络的系统能量出发,计算和分析T_n=1及T_n=0两种Hopfield神经网络的各存储样本所处能量状态的分布情况,及其与各存储样本的稳定性和纠错能力的关系,指出改步的Hopfield神经网络其容量和纠错能力均比T_n=0的Hopfield神经网络强。     

基于壳程数最小年度化费用换热网络综合的研究

根据换热器对数平均传热温差校正因子与换热器进出口温度之间的关系,指出了单壳程偶数管程换热器在可操作条件下的最大温度交叉程度,在此基础上,根据换热器投资费用同壳程数的关系,提出了基于壳程数的换热网络综合的数学模型,并采用遗传模拟退火算法进行了求解,实例表明该模型对求解实际工程换热网络是有效的。     

模式搜索法实现换热网络同步最优综合

在Grossmann换热网络分级超结构的基础上,建立了用于描述换热网络的无分流两级分级超结构模型,通过对换热网络设计的3个目标(换热设备单元数、换热面积、公用工程)进行同步考虑,将模式搜索法应用到换热网络的最优综合中,建立了求解换热网络最优综合问题的数学模型.计算结果表明,模式搜索算法不可行解的剔除策略能明显提高换热网络优化的质量和效率.     

基于Hopfield网络的模糊神经网络优化方法

针对训练模糊神经网络时收敛时间慢,难以实时实现的缺点,将Ｈｏｐｆｉｅｌｄ网络引入模糊神经网络权值的优化问题中,从而融合了Ｈｏｐｆｉｅｌｄ网络可进行实时优化和模糊神经网络可引入专家知识化权值的优点。理论分析和模拟实验表明,这种网络可以在电路时间常数数量级内给出优化后的模糊神经网络权值,并且具有Ｌｙａｐｕｎｏｖ意义下的稳定性,为模糊神经网络权值的实时优化提供了一条新途径。     

动态Hopfield神经网络模型及学习算法

为了解决Ｈｏｆｉｅｌｄ神经网络对可变对象的学习问题，在「１」的基础上，建立了一动态Ｈｏｐｆｉｅｌｄ神经网络，及其学习方法，彻底解决了Ｈｏｐｆｉｅｌｄ神经网络的动态学习问题。     

使用Excel 7.0for Windows95优化换热网络

提出了使用Ｅｘｃｅｌ ７．０ ｆｏｒ Ｗｉｎｄｏｗｓ９５简便和快速优化换热网络的方法。首先由Ｍｏｎｔｅ Ｃａｒｌｏ法确定全局最优点的近似位置,然后由“Ｓｏｌｖｅｒ”求得精确解。全部优化过程由ＶＢＡ语言编写。此法可用于解决许多工程优化问题。     

基于Hopfield神经网络的图象处理

本文应用Ｈｏｐｆｉｅｌｄ网络模型解决计算机视觉中图象匹配与识别问题,对于单幅幅物体的３条边与模型中３条对应力,通过求解一元人方程同三维物姿态,进一步应用Ｈｏｐｆｉｅｌｄ网络求出最佳匹配点,从而识别三维物体,本论文的方法将为计算机视觉中高怪次匹配问题提供一种新的并行处理的途径。     

基于Hopfield神经网络模型的通道布线算法

本文探讨了用Hopfield神经网络模型解决通道布线问题的一种新算法。算法描述了Hopfield模型与通道布线问题的映射方法和网络能量函数的构造方法,在能量函数中既考虑了合法解约束项,又考虑了优化解约束项,从而提高了布线质量。本文的意义还在于它证明了用Hopfield网络求解通道布线问题是可行的,有效的。     

动态Hopfield神经网络模型及学习算法

为了解决 Ｈｏｐｆｉｅｌｄ 神经网络对可变对象的学习问题,在［１］的基础上,建立了一动态 Ｈｏｐｆｉｅｌｄ神经网络,及其学习方法,彻底解决 Ｈｏｐｆｉｅｌｄ 神经网络的动态学习问题     

不同操作周期下考虑结垢问题的换热网络优化

换热网络优化一直是过程系统集成中的研究热点,而换热器结垢是换热过程中不容忽视的问题.基于结垢阈值模型,换热器中的结垢问题可通过流速优化、分流比优化以及清垢周期优化这3种手段进行改善.在某原油常减压预热网络的案例基础上,考虑换热器的结垢及压降问题,在不同的操作周期下分别采用这3种手段,实现对固定结构换热网络的优化.结果表明,3种手段均可不同程度地降低年度总费用,且节能效益随不同的操作周期有所改变.     

傅立叶Hopfield神经网络及其在优化中的应用

Hopfield神经网络(HNN)是一种有效的优化模型,但存在易收敛到局部极小的缺点.傅立叶级数具有良好的函数逼近能力和较高的非线性度,基于这一特点,提出了一种新型的Hopfield神经网络--傅立叶Hopfield神经网络(FHNN),其激励函数是由三角函数和Sigmoid函数组成,并将该模型用于优化问题.仿真结果表明傅立叶Hopfield神经网络能够较快收敛到最优解,在解决优化问题上表现出令人满意的效果.