基于新型模糊CMAC神经网络的Agent外贸协商模型

文章提出了一个由外销商训练的基于一种新型模糊小脑神经网络的Agent外贸协商模型。由于模糊小脑神经网络训练快速性,所以客户在输入了购买信息之后,可以及时获得相关评价,使客户最终能以协商的方式与Agent达成协议,提高了工作效率,仿真试验也证明了其评价的正确性。     

基于GA算法的科技项目联合投标伙伴选择模型

根据联合投标伙伴选择决策特征，针对联合投标伙伴选择过程中决策因素多、信息量大、候选投标伙伴数量多等问题，运用遗传算法基本思想，构造灰色效果测度适应度函数，设计搜索调整机制，结合算例，给出使用基于GA算法的科技项目联合投标伙伴选择模型的一般过程．该模型具有快速收敛、鲁棒性和全局最优搜索能力．     

基于遗传算法的动态联盟伙伴选择过程及优化模型

动态联盟中的伙伴选择和优化是动态联盟组建过程中的一个关键问题。该文对动态联盟中伙伴选择问题的复杂性进行了分析 ,指出已有定量方法存在的局限性 ,在对伙伴选择过程进行数学描述的基础上 ,提出了一个基于遗传算法的联盟伙伴选择优化模型 ;并对该模型的算法进行了设计和改进 ,最后给出了一个典型算例 ,以说明该模型和算法的有效性。     

基于BP神经网络的供应商选择研究

供应商的选择在整个物流系统中占有非常重要的地位.本文建立了基于BP神经网络的供应商评价指标体系,给出了BP神经网络的评价模型,并结合算例进行分析.实例证明,该方法是可行的.     

基于协同效应的企业候选伙伴的优化选择

在科学技术飞速发展的今天,选择合作伙伴已经成为了企业进行新业务拓展的一种重要运作方式.选择不同的合作伙伴对合作的效果影响很大,因此建立一套有效的评价合作伙伴的指标和方法,对核心企业选择合作伙伴具有重要的意义.该文对企业的合作伙伴选择问题进行了研究,并且考虑并解决了不同企业间的协同效应.文中给出了该问题的数学模型,并提出了基于模拟退火算法的伙伴选择办法,并通过算例证明其有效性和准确性.     

基于ANP的新产品开发知识联盟伙伴选择研究

通过对新产品开发知识联盟的研究,总结影响选择联盟伙伴的因素,建立新产品开发知识联盟伙伴选择评价体系.并在比较AHP和ANP的基础上,选取ANP来构建建立联盟动机和联盟伙伴选择指标之间的网络关系,赋予新产品开发知识联盟伙伴选择指标以相应的权重,最后按照备选联盟伙伴评价优先级来选择联盟伙伴.     

动态联盟伙伴选择问题的混合计算方法

针对已有伙伴选择问题方法的不足,以最小化竞标花费,交通运费和拖期惩罚成本之和为目标,给出伙伴问题的0-1整数规划模型,并提出了求解问题的混合遗传算法.该算法用染色体的编码确定合作伙伴的组合,结合专家经验,通过模糊神经网络对人工给定的隶属函数和模糊规则进行修正,用所得到的结果改进合作伙伴的组合.实验结果表明,模糊神经网络的使用提高了模糊推理的准确性,进而也提高了混合算法的有效性,使其具有比普通遗传算法更好的寻优能力.     

基于模糊层次分析法实现虚拟企业中的伙伴选择

以层次分析法与模糊数学为基础,提出了一种实现虚拟企业中的盟友选择的模型·主要介绍了虚拟企业中的盟友选择的因素和过程,层次分析法与Fuzzy函数在伙伴选择过程中的应用·通过此模型,能为决策者提供一种有利的支持,从而为虚拟企业的正常运行提供基本保证     

企业动态联盟的伙伴选择

提出了快速高效的企业动态联盟合作伙伴的二阶段选择法,即基于跟踪评价的伙伴初选和基于多目标决策的最优投标方案的精选,并以实例说明该方法的有效性     

多Agent系统协商模型研究

本文提出一个多Agent系统中的协商框架,该框架在前人研究的协商策略及协商协议做出了一些改进。在Rosenschein与Zlotkin提出冲突风险度量中加入了考虑协商对手的历史信息的因素,对协商对像的区别对待有利于更合理的在协商过程中做出让步,提高协商的成功率。     

网络环境下虚拟企业盟友选择方法研究

提出了一种计算上下两面受约的薄圆橡胶片在竖向压力作用下的压缩刚度和剪应变分布的近似公式，讨论了中间开小圆孔的圆形橡胶片的力学性能，运用标准有限元程序STRAND6分析了不同类型的薄圆橡胶片的压缩和剪切特性，理论分析和有限元数值结果的比较说明了所提出的近似公式是可行的。     

基于克隆选择算法和神经网络的多用户检测

针对传统检测器和最佳检测器在多用户检测中存在的缺点,利用克隆选择算法和Hopfield神经网络在解决优化问题的优势,提出了一种基于改进的克隆选择算法和神经网络的准最佳多用户检测器并用计算机进行仿真.仿真结果证明了该多用户检测器有良好的抗多址干扰和抗"远近效应"的能力,并有计算复杂度低和易于实时实现的优点.     

基于神经网络的鹿角盘蛋白水解模型

研究了底物浓度、酶添加量、温度、时间、pH值对鹿角盘酶水解的影响,并利用神经网络建立鹿角盘酶解过程的数学模型。结果表明,所建立的模型能很好地描述鹿角盘酶水解过程,为有限水解提供了基础。     

基于神经网络方法的集成式驾驶员跟车模型

为了提高驾驶辅助系统的跟车性能,基于神经网络方法建立了一种集成式驾驶员跟车模型.通过真实交通环境下的驾驶员实验获得了稳定跟车状态数据,并利用Kalman滤波器对数据进行了处理和估计.设计了以BP神经网络为核心的集成式模型结构,该模型以前车速度为输入,计算跟车过程中的两个特性参数并输入神经网络以模拟驾驶员控制的自车加速度.利用处理后的数据样本对网络进行了训练,并对该模型进行了仿真验证.仿真结果表明;神经网络模型具有模拟驾驶员跟车行为的能力,模型体现出较为准确的跟踪特性,并对不同的前车工况具有良好的适应性.     

基于BP神经网络的入侵检测系统的特征选择

随着各种入侵和攻击网络工具的出现,入侵检测成为网络管理的关键组成部分。特征选择能够有效地提高机器学习与规则提取算法性能。本文设计了一种基于遗传神经网络的入侵检测系统,采用基于多种改进的遗传算法特征选择方法,实验结果表明不同改进的遗传算法特征选择对BP神经网络的分类正确率有一定的影响。     

基于神经网络集成的经济预测模型

针对单个BP神经网络用于经济预测存在的不足,提出了一种新的更有效的经济预测模型--神经网络集成.神经网络集成通过训练多个神经网络并将各网络输出进行合成,能够显著提高网络的泛化能力.以广东省江门市的经济数据为例,采用Bagging算法训练了五个BP神经网络,构建了一个神经网络集成的GDP预测模型,并运用MATLAB 7.0语言程序实现.预测结果令人满意,优于单个神经网络预测方法.实证表明,神经网络集成用于经济预测是有效可行的,同时在一定程度上克服了单个神经网络的缺陷.     

基于神经网络模型的扩展优化自校正预测控制

利用前馈神经网络权初值优化的快速BP算法建立对象的非线性预测模型,采用分段线性化的技术建立动态线性模型,基于该线性模型进行滚动优化,同时用非线性预测模型对其进行补偿,实现对具有时延的非线性系统的预测控制,较好地解决了非线性系统存在时变、模型失配等情况下的控制问题。仿真实验表明由它构成的控制系统具有很好的动态响应和较强的鲁棒性。     

基于T-S模型的模糊神经网络

一种基于Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模型的模糊神经网络由前件网络和后件网络两部分组成。前件网络用来匹配模糊规则的前件，它相当于每条规则的适用度。后件网络用来实现模糊规则的后件。总的输出为各模糊规则后件的加权和，加权系数为各条规则的适用度。所提出的模糊神经网络具有局部逼近功能，且具有神经网络和模糊逻辑两者的优点。它既可以容易地表示模糊和定性的知识，又具有较好的学习能力。给出了调整规则后件参数及前件隶属度函数参数的学习算法，举例说明了它的逼近性能。     

基于进化神经网络的灰色预测模型

为了弥补神经网络用于灰色理论中学习效率低、收敛速度慢、易陷入局部最优等缺点,采用了改进遗传算法IGA(im proved genetic algon ithm)来辅助优化神经网络,实现了对网络连接权的自适应进化,并应用于灰色预测中。提出了进化神经网络灰色预测模型,通过M atlab程序对某地区农村人均收入的数据进行了预测、比较,预测结果误差均在0.3%以下,明显优于传统的GM(1,1)(grey m odel)的预测结果,其误差在10%左右。实例验证,将进化神经网络应用于灰色预测模型中是可行和有效的。