用单纯形法实现动力配煤的优化模型

在线性规划理论基础上,利用单纯形法实现了动力配煤中的最佳配煤方案和最低成本值的求取过程,完成了优化模型设计与计算机程序编制,通过实例验证了模型的正确性.     

混沌优化在模糊系统优化设计中的应用

在基于 T- S模型的模糊神经网络的基础上 ,提出了一种将混沌优化方法和最小二乘法相结合的优化方法。用变尺度混沌优化方法优化隶属函数参数 ,而用最小二乘法估计规则后件参数。该方法同时利用了变尺度混沌优化的快速全局搜索能力和最小二乘法的快速收敛性 ,因此网络学习速度快 ,精度高。仿真结果表明了该方法的有效性 ,所建立的模型具有良好的泛化能力。     

基于变尺度混沌优化策略的混合遗传算法及在神经网络中的应用

讨论了遗传算法优化神经网络连接权的优点及存在的局限性.应用变尺度混沌搜索策略,建立了一种新的混合遗传算法——混沌遗传算法.将改进后的遗传算法结合前馈型神经网络应用于储层油气预测,取得了较好的效果.     

一种混沌神经网络及在优化计算中的应用

提出了一种混沌神经网络模型。在Hopfield网络中引入混沌机制,首先在混沌动态下搜索,然后利用HNN梯度优化搜索。对非线性函数的优化问题仿真表明算法具有很强的克服陷入局部极小能力。     

模糊混沌神经网络的构建方法研究

基于混沌神经网络的构建过程,提出一种构建模糊混沌神经网络(FCNN)的方法,在介绍了BP算法及混沌神经网络概念的基础上,给出了混沌BP算法,并提出了基于混沌BP算法的模糊混沌神经元的动态模型,从而构建模糊混沌神经网络。主要讨论所构建的模糊混沌神经网络的模糊特性、耗散性和李亚普诺夫性能指标。给出了模型具有模糊特性的几个特征,以及满足耗散性和混沌特性的条件。仿真实验表明所提出的模糊混沌神经元模型既具有模糊特性又具有混沌特性。     

混沌优化算法在电力系统中的应用

基于对混沌神经网络优化算法的研究,提出了一种全新的具有衰减混沌噪声的混沌模拟退火神经网络模型,并将混沌优化算法与该模型结合用于解决电力系统经济负荷分配问题,取得了与实际系统总负荷需求非常接近的结果.     

基于Elman神经网络的动力配煤发热量及着火温度的预测

针对采用实验法测定电厂动力配煤的发热量和着火温度存在操作繁琐和信息滞后较大等不足,建立Elman神经网络预测模型.该网络模型在学习过程中确定混煤的发热量和着火温度与单煤的水分、灰分、挥发分之间的非线性映射关系.模型利用单煤的水分、灰分和挥发分含量直接预测混煤的发热量和着火温度,预测结果误差较小.利用置信区间分析法对预测模型的预测效果进行检验.研究结果表明:预测模型具有较高的可靠性和置信度.     

基于混沌模糊神经网络方法的短期负荷预测

针对模糊神经网络的BP学习算法提出改进,引入全局性较强的混沌搜索算法,提出一种基于混沌搜索学习算法的模糊神经网络模型.将改进的模型应用于短期负荷预测建模,应用我国南方某市电网的实际负荷数据进行实证研究.仿真结果显示改进后的模糊神经网络较改进前在同一样本预测中精确度提高了2.5%,增加算法运行时间仅为3.1 s,说明本文提出的新的负荷预测建模方法具有更好的预测效果.     

基于多目标规划的动力配煤软件

动力配煤是比较符合我国国情的洁净煤技术，其关键在于方案优化。本文以多目标规划的优化计算方法为依据，开发出适合于煤炭企业常规动力配煤的配煤软件，为煤炭企业动力配煤提供了依据。该软件人机界面友好，使用方便，可以对方案进行人工修正，并设有在线检测出口与其它数据库系统及Internet的连接，应用实践表明软件运行效果良好，适合煤炭企业实际生产要求。     

面向神经网络的模糊测试算法优化

为提高面向神经网络的缺陷检测效果,以Tensorfuzz框架检测流程为基础,对模糊器实现过程进行高层次抽象;然后使用自动协议生成策略优化原始模糊算法,输出可能覆盖新执行路径的测试数据集;最后通过反复测试提高测试的代码覆盖率,实现面向神经网络的模糊测试算法的优化。基于三层全连接神经网络的对比实验表明:优化后的算法相对于原始模糊算法,在检测含有大量非数值型缺陷的待测系统时,可在单位时间内检测出更多的缺陷;多组检测实验检测到缺陷的时间均低于原始模糊算法的最低测试时间,能有效提高代码覆盖率并且达到提高测试效率的目的。     

混沌在模糊控制规则优化中的应用研究

利用混沌（Ｃｈａｏｓ）所特有的随机性、遍历性及规律性。将其应用于一类复杂非线性时变过程的模糊控制规则优化中,提出了一种利用混沌进行模糊规则参数优化的方法。仿真结果表明,该算法具有国强的全局搜索能力和较快的搜索速度,是一种适用的优化策略。     

多目标混合混沌优化算法研究及应用

为了求解多目标优化问题,提出一种基于混沌搜索的多目标模糊混沌优化算法．将混沌优化方法与模糊优化方法有机地结合起来,应用混沌优化算法求出各个单目标的最优解;将各最优解模糊化;应用模糊非对称方法的思想和模糊集合理论中的最大满意度原理,将多目标优化问题转化为单目标非线性规划问题;最后应用混沌优化算法求解单目标优化问题,得到满意度最大的解．结果表明,所提出的多目标模糊混沌优化算法是可行和有效的,为求解多目标优化问题提供了一种新的有效方法．     

前馈神经网络的一个新的混沌学习算法

利用混沌运动的遍历性特点,将logistic 映射与BP算法相结合,给出一个多层前馈网络的新的混沌学习算法。仿真结果表明,本算法取得了良好的效果。     

电站用煤结渣预报的自适应模糊神经网络方法

综合了多种特性结渣指数 ,应用一种基于递推最小二乘估计和梯度下降法结合的混合算法的模糊神经网络模型来预报煤质结渣特性 .将该方法的预报结果与实际结渣情况比较 ,结果证明 ,该方法预报精度高 ,速度快 ,而且具有良好的自适应能力     

新型混沌优化方法的研究及应用

为了克服现有混沌优化方法在大空间，多变量问题中的不足，提出了一种新型的混沌优化方法，该方法利用了一类在有限区域范围内折叠次数无限的一维迭代混沌自映射进行混沌搜索，比一般的有限折叠次数代混沌自映射具有更好的混沌特性，因此，选取优化变量的搜索空间，并不断提高搜索精度，构造新型的混沌优化方法，实验算例和仿真结果表明，新型混沌优化方法具有较高的搜索效率与搜索精度，是解决优化问题的一种有效方法。     

用模糊集合度量方法进行配煤计算

当有了正常配煤的类强度指数分布图和类组成平衡指数分布图及各种单种煤的类强度指数分布图和类组成平衡指数分布图后,用模糊集合度量求解模糊关系方程,可找出适当的比例配煤炼焦。     

混沌优化算法的参数分析

通过一些典型的复杂测试函数,对文［１］中提出的混沌算法的效率及其参数,用统计的方法进行了详细的分析。     

基于模糊遗传算法的混沌同步控制算法

连续变量反馈同步法（CVFS）是一种比较简单的同步控制算法，但该算法在实际应用中存在一个关键的问题，即反馈系数当选的整定比较困难。为了解决这个问题，在把模糊遗传算法（FGA）和连续变量反馈同步法（CVFS）相结合，提出了一种基于模糊遗传算法的连续变量反馈同步法（FGACVFS）。仿真结果表明：FGACVFS算法能方便有效地进行整定工作。     

基于LM算法的相关模糊神经网络及其应用

针对输入变量相关性较高的非线性建模模型,经典模糊神经网络算法存在收敛速度缓慢、模糊规则数大、陷入局部最小值的问题。提出一种基于LM算法的相关模糊神经网络模型;该模型基于聚类思想,构建多变量高斯模糊隶属度函数,将其表示为不可分离的模糊关系来处理相关变量模型;再采用LM优化算法,通过Hessian矩阵和一阶梯度向量同时调整网络参数;并引入Cholesky定理缩减网络参数个数。应用LM算法的模糊神经网络模型实验结果表明,可以加快收敛速度、减少模糊规则数,比经典的模糊神经网络有更好的预测精度。     

模糊AND-OR神经网络优化建模方法

采用由AND和OR模糊神经元组成的神经网络进行模糊逻辑建模,每个神经元由S和T算子组合而成,并给出单个神经元作用在模糊集上的效果,充分展示了这两种神经元的优越性,以4条规则为例推导出这类神经网络与“if-then”的规则集之间的等价关系。在神经网络的学习过程中,提出了一种混合式的学习方案采用遗传算法优化整个网络的结构,缩小了输入空间的维数,减少了相应的规则数;并在此基础上利用梯度的学习方法继续对相应的参数进行优化,从而使网络具有很好的优越性,为进一步模糊控制创造了良好的平台。