小卫星星务规划的Hopfield神经网算法

小卫星的任务规划是为确定飞行任务目标并根据飞行任务目标制定控制小卫星运行的指令序列,小卫星的任务可以归结为在资源一定的情况下的规划与调度问题,对于0－1整性和二次型规划（0－1ILQP）问题,本文提出了Hopfield神经网的解法。即将0－1ILQP的目标函数和约束条件用函数的方法写成能量函数形式,然后利用Hopfield神经网求解出该能量函数的全局最小点,从而求解出原0－1ILQP的最优解,最后,作为一个算例,给出了用此方法成功的在优化卫星任务规划中的应用。     

非线性0-1规划的元胞蚁群算法

基于元胞自动机原理和蚁群优化算法,提出一种求解非线性0-1规划问题的元胞蚁群优化算法。该算法将元胞的演化规则和蚁群的信息素更新规则相结合,利用元胞及其邻居增强搜索过程的多样性,提高蚁群的全局优化能力。经实验和与其他算法比较,表明该算法可行有效,有良好的全局优化能力。     

多项式0-1规划中隐枚举算法的改进及应用

提出了一个求解多项式0-1规划问题的隐枚举算法.通过应用p次范数约束划归,多项式0-1规划问题的多个约束可以被一单一等价约束来替代.利用这一显著特性,新算法在搜寻最优解过程中,能改进探寻(fathoming)和折返(backtrack)策略以提高隐枚举法的计算效率.通过一个算例说明这个新算法的计算步骤并对随机产生的问题进行了测试,得到了较好的结果.     

基于加速进化规划的模糊神经网络学习算法

提出了一种训练模糊神经网络的加速进化规划算法。该算法是进化规划算法的一种改进 ,适合于多维高精度的数值优化。经仿真实例验证 ,其收敛速度有了明显的改善 ,且不易陷入局部极小。     

多目标0—1规划问题的遗传算法

根据遗传算法的特点，提出了以排列为基础，以求出全部非劣解为目的的定义适应性值的方法，以便使其有能力求解多目标优化问题，并分析研究了算法进行到一定程度以后收敛于一个非劣解的原因和解决策略。     

基于GA的小卫星星务规划的全局优化算法

小卫星任务规划是为确定飞行任务目标并根据飞行任务目标控制它运行的指令序列，小卫星的任务规划可以归结为资源受限的规划和调度问题，对于此类问题，目前有许多解决方案，但对于解决大规模问题仍然十分困难，并且在大多数情况下只能得到局部最优解。本文用基于GA的优化算法解决小卫星星务规划的优化问题，不仅可以得到全局最优解，而且在满足卫星上快速性和准确性方面显示出非常大的优势。     

多目标0-1规划问题的元胞蚁群优化算法

为求解多目标0-1规划问题,基于元胞自动机原理和蚁群算法,提出一种元胞蚁群算法.将元胞演化规则和蚁群寻优相结合,提高非劣解集的多样性和分布性.经数值实验和已有算法相比较,该算法具有较好的性能.     

基于蚁群优化算法的0-1背包问题求解

蚁群优化算法在求解旅行商问题、指派问题、Job-shop调度问题和网络路由问题等获得了极大的成功．将蚁群优化算法应用于0—1背包问题，首先将0—1背包问题表示成相应的构造图，并针对该图设计了两个状态转移公式，蚂蚁根据这两个状态转移公式在带权图中移动直到死亡．此时，蚂蚁所走过的路径即构成背包问题的一个可行解．仿真实验对该算法的参数进行了讨论，再与遗传算法进行比较，结果显示该算法具有较高的性能．     

0-1规划问题的闭环DNA算法

提出了闭环DNA分子的结构灵活性的两个方面,即DNA分子链长的可控性和DNA分子之间的相互转化。针对非负整数系数的0-1规划问题,提出了闭环DNA算法。该算法首先对0-1变量按照0和1的取值、对应的各项系数和检测标记进行五组DNA编码并形成所有可能解;再利用接入实验、电泳实验和删除实验筛选出可行解,进而得到所有最优解;最后通过检测实验输出实验结果。给出了算法的正确性的证明并讨论了算法复杂性,给出一个算例说明了算法的有效性。对算法进行了改进,改进后的算法适用于可以含有负数的实数系数0-1规划问题。     

用模糊BP神经网估算小卫星成本

提出了用BP神经网对卫星成本进行二维估算 ,即先求出样本点集扩散到控制点集中的模糊数 ,然后将对应同一控制输出变量的控制输入变量的模糊数作为学习样本 ,让BP神经网进行学习。学习后的BP神经网就能在给定输入变量的情况下 ,估算出输出变量。最后 ,给出了小卫星成本的质量和定点精度模糊BP神经网估算的实例 ,取得了满意的结果。     

Hammerstein系统自适应神经网络控制算法的收敛性分析

对一类确定性Hammerstein系统,给出了基于神经网络的自适应控制算法。考虑到神经网络的非线性特点,特别是其自适应学习能力,控制系统采用两个神经网络分别作为估计器和控制器,通过在线训练网络的权重来获得模型参数和控制输入。神经网络的训练用Widrow-Hoff学习规则。对算法的全局收敛性进行分析表明系统具有总体收敛性,输入输出有界。     

基于主成分分析和归一化RBF神经网络优化的财务综合评价

提出基于主成分分析和归一化RBF神经网络优化相结合的财务综合评价方法,克服传统神经网络财务分析中的评价指标偏少、存在局部极小等不足,为公司财务评价提供新的思路和方法,并利用神经网络模型对我国钢铁业上市公司2007年财务状况进行仿真实验,为分析者决策提供准确、可靠的参考依据。     

进化神经网络的研究进展

进化神经网络由于充分利用了进化算法与神经网络的优点而越来越受到人们的关注,从而形成了一门新兴的计算智能学科.讨论了进化神经网络的起源,从辅助式进化神经网络和结合式进化神经网络评述了进化神经网络的研究现状,阐述了进化神经网络的并行实现.最后指明了进化神经网络的发展与未来.     

神经网络理论在投入产出分析中的应用

把神经网络理论应用到投入产出分析中，由此建立起一种新的投入－产出模型，把这一模型中的某些变量理想化并进行变换后即可得到列昂节夫（Ｌｅｏｎｔｉｅｆ）模型。为此，本文把基于神经网络的新模型与列昂节夫模型进行了多方面的比较，并讨论了新模型系统的Ｌｙａｐｕｎｏｖ函数及关联强度的变化规则等.     

利用进化规划和逐步二次规划实现前馈神经网络的结构优化

用进化规划与逐步二次规划来实现前馈神经网络的结构优化问题 ,并提出了一个相应的学习算法 .针对进化规划与逐步二次规划各自的特点 ,进行了组合 ,使算法不仅具有随机全局搜索能力 ,而且还具有更好的全局收敛能力 ,并与环境有更强的自适应能力 .最后通过仿真和应用实验证实了算法的有效性.     

分段逆回归与神经网络组合建模方法

通过将人工神经网络技术和分段逆回归技术相结合，提出一种针对多因素非线性时间序列数据的预测建模方法。这种方法在保证原有函数形式不变的前提下，简化了输入变量，缩小了神经网络的规模，增强了模型的泛化能力。同时利用此方法建立北京市就业人口需求总量的预测模型，证实该方法的预测效果，并且为该方法运用于实际预测建模提供参考。