BP神经网络收敛性问题的改进措施

BP算法现在已成为目前应用最广泛的神经网络学习算法，它在函数逼近、模式识别、分类、数据压缩等领域有着更加广泛的应用，但存在收敛较慢问题．笔者在文中简述了BP算法原理，针对BP算法的收敛性问题，提出了几点改进措施。     

基于实例改进的BP算法的联合应用

BP(Back Propagation)神经网络模型是当今的科学技术领域中应用最为广泛的一种，其突出优点是具有很强的非线性映射能力以及根据具体问题灵活处理的柔性的网络结构。但是目前BP网络还存在一些缺陷，如训练时间长、易陷入局部极小等。分析BP神经网络的几种优化算法，实例证明这些优化算法的联合应用可以提高网络的性能。     

基于改进算法的多层神经网络的结构优化设计

简要地介绍了工程中应用较多的多层前向神经网络(BP网络)的结构和网络的设计．通过采用一种改进的训练算法(参考隐层的输出),并结合科学的样本选择方法(“超立方体”法)设计网络,进行网络训练．最后通过数字仿真证明了这个网络模型用于结构优化设计的有效性．     

改进BP算法在船舶碰撞危险度计算中的应用

在海上交通工程学的最新研究成果的基础上，提出了用一种改进的BP算法来计算船舶碰撞危险度．将该改进的BP算法应用到系统中并与普通BP算法比较，对结果作了详尽的分析．结果表明，改进的BP算法有更快的收敛速度和更好的计算精度．     

BP神经网络的MATLAB编程实现及讨论

BP神经网络具有很强的非线性函数逼近能力。通过Matlab编程实现了BP网络对一个二元函数的逼近,针对BP网络学习速度慢的缺点,采用含动量项的学习算法提高了收敛速度。通过Matlab仿真方法,研究了学习率和动量因子对算法学习速度的影响。     

L-M神经网络算法在汽轮发电机组故障诊断中的应用

针对汽轮发电机组的故障诊断,采用Levenberg-Marquardt算法建立多层前向人工神经网络,采用改进算法训练网络,克服了传统BP算法收敛速度慢,易陷入局部最小的缺陷.就BP网络的不足,提出了一种改进的BP神经网络模型,并使用L-M算法用于汽轮发电机组故障的诊断.经理论和实践证明:该方法有效地提高了故障诊断的精度和可靠度,为旋转机械故障诊断提供了有效方法.     

BP神经网络收敛性问题的改进措施

BP算法现在已成为目前应用最广泛的神经网络学习算法,它在函数逼近、模式识别、分类、数据压缩等领域有着更加广泛的应用,但存在收敛较慢问题.笔者在文中简述了BP算法原理,针对BP算法的收敛性问题,提出了几点改进措施.     

粒子群优化BP网络建模及在缓冲包装设计中的应用

利用粒子群优化(PSO)算法取代传统BP网络算法中的梯度下降法,对参数(权值、阈值)进行优化,并将其应用于缓冲包装设计,建立缓冲包装材料特性模型.仿真数据表明:PSO优化的BP网络算法在函数逼近误差、迭代次数上均比传统BP网络算法有显著提高,可有效地解决缓冲包装中的非线性问题.     

基于动量BP算法的过渡段路基沉降预测

利用动量BP算法改进了BP神经网络的收敛性,建立了过渡段路基沉降预测模型．该模型可克服传统BP神经网络收敛速度慢、易陷入局部最优等的缺点．结合津秦客运专线路桥过渡段路基沉降实测数据,将该优化模型与传统BP神经网络预测模型进行了对比．计算表明,利用动量BP算法改进的神经网络具有较高的预测精度,同时考虑了多个影响因素,因而具有广阔的应用前景．     

基于萤火虫优化的BP神经网络算法研究

为了改进神经网络结构和参数的设置方法,在萤火虫算法和BP神经网络的基础上,提出了一种萤火虫算法优化BP神经网络的算法.该算法利用萤火虫算法得到更优的网络初始权值和阈值,弥补BP神经网络连接权值和阈值选择上的缺陷.将该算法应用到Duffing系统产生的混沌时间序列进行算法的有效性验证,并与BP神经网络进行比较,仿真结果表明该算法具有更高的预测准确性,从而证明该算法在该预测领城的可行性和有效性.     

基于Maklink 图和遗传算法的改航 路径规划方法研究

为了保障恶劣天气下的飞行安全,航班需要采取改航策略避开危险区.采用已 有的以改航路径最短为目标,以航段最小距离、避开危险区、转弯角度等为约束条件的规 划模型,设计了3 阶段方法研究改航路径规划.首先应用Maklink 图和Dijkstra 算法规划一 条能够避开危险区的路径,接着应用遗传算法优化路径,最后进行路径调整以满足约束 条件.算例仿真结果显示,应用本文方法得到的改航路径长度较短,转弯次数少、转弯角度 小,计算效率高.仿真结果说明,应用本文提出的方法获得的改航路径满足目标和约束要 求,验证了该方法的可行性和有效性.     

基于迭代法优化换乘枢纽布局

研究了公交-公交换乘枢纽选址与布局的优化问题,并提出了一种以总换乘费用最小为目标的换乘枢纽选址模型．虽然对此类问题穷举法可以得到全局最优解,但是实际问题中,为了找到更合理的枢纽布局,通常备选枢纽位置会很多,穷举法在有限的时间内很难找到最优解．因此,提出一种迭代法来对该模型进行求解,并通过实例对该模型及算法进行了检验．     

基于带宽最大化的城市干线子区划分技术研究

针对以直行车流为主要流向,实行两相位控制的城市干线,基于经典的MAXBAND 模型,建立了干线分子区协调控制模型.该模型自动将干线分为若干具有3–6个交叉口的控制子区,每个子区追求最大化绿波带宽,不同子区协调方向的直行车辆享有尽可能均等的绿波通行时间.采用遗传算法求解模型,求解结果显示,分段点一般为周期相对较大或间距较大的交叉口.通过与Synchro 优化方案相比,本文模型优化的方案可以使子区的平均带宽有效率提高27.8%.利用CORSIM对分别采用本文模型和Synchro 划分的 6 种配时方案进行仿真,结果表明,与后者优化的方案相比,本文模型优化的方案具有更优的干线平均延误、平均车速、停车率等性能指标.     

基于机场群的航班选择机场模型分析研究

为了解决枢纽机场因容量限制而产生的航班延误,引入了一种新的概念——机场群,就是地理位置接近的多个机场构成一个超级大的机场,进行航班的共同调度,并且结合地面交通,解决空中交通运输需求问题。本文针对机场群问题进行研究,给出了机场选择模型的数学描述,并结合模糊综合评判方法思想,设计了启发式算法。通过对现实机场情况的仿真,表明了模型的可用性,减少了跑道空闲状态。     

指引路径规划模型的建模与仿真验证

道路上某个位置存在多个指路标志时可能引发信息过载问题,对驾驶员产生干扰. 为解决这一问题,本文基于A* (A-star)算法,提出一种指引路径规划模型.考虑特定节点信息过载问题对指引路径实际成本的影响,在模型的估价函数中增设惩罚系数,可以有效避开引发信息过载现象的指引路径选择 . 基于 VISSIM 展开案例研究,借助其二次开发功能提取 VISSIM路网中的相关数据.利用所建指引路径规划模型求解路网中一对OD间的指引路径. 最后,对比分析有无惩罚系数两种模型得到的指引路径规划和指路标志布设方案,证明本文模型在指引路径规划时可有效避免信息过载问题.     

基于不确定理论的多阶段工序计划模型与算法

介绍在不确定条件下的多阶段工序计划问题,设计基于可信性测度的模糊多阶段工序计划模型,并通过一个结合模糊模拟和遗传算法的混合智能算法进行求解。最后,结合一个实例来说明该模型的应用和可行性。计算结果表明该算法所得结果令人满意并有效地缩短求解该问题的时间。     

指引路径规划模型的建模与仿真验证

道路上某个位置存在多个指路标志时可能引发信息过载问题，对驾驶员产生干扰. 为解决这一问题，本文基于A* (A-star)算法，提出一种指引路径规划模型.考虑特定节点信息过载问题对指引路径实际成本的影响，在模型的估价函数中增设惩罚系数，可以有效避开引发信息过载现象的指引路径选择 . 基于 VISSIM 展开案例研究，借助其二次开发功能提取 VISSIM路网中的相关数据.利用所建指引路径规划模型求解路网中一对OD间的指引路径. 最后，对比分析有无惩罚系数两种模型得到的指引路径规划和指路标志布设方案，证明本文模型在指引路径规划时可有效避免信息过载问题.     

基于主成分分析的居住区停车需求预测研究

在大量调查数据的基础上,通过停车特征参数的分析,提出了影响停车需求的多个因素。对其中的几个主要因素进行主成分分析,剔除权重最小的因素,建立了停车需求与剩余因素之间的预测模型。     

寻找车辆最优路径的混合算法

从可见度、信息浓度更新、参数对蚁群算法加以改进,可见度计算利用节约值及距离,使用较优的数个解完成信息浓度的更新,根据迭代次数的改变灵活设置的影响系数,然后引入交换法完成局部搜索,得到混合算法。用此法对物流配送车辆路径问题进行求解,寻找最优路径。该方法得到车辆数为5veh,配送路径总长为855．68km,优于遗传算法的求解结果,表明该方法可行。     

��װ������վ�����Ż����

针对传统铁路场站设计以能力放大法赋予其应对不确定因素的能力所存在问题,结合工程设计中的优化设计和现代制造系统中的柔性设计思想,提出了集装箱中心站柔性优化设计是采用优化设计方法,协调中心站系统柔性大小、柔性增值效益以及费用函数三者关系的过程. 运用随机规划方法建立了集装箱中心站优化设计模型,并利用遗传算法对模型进行了求解. 最后,以昆明铁路集装箱中心站柔性优化设计为例,对模型及算法进行了验证. 结果表明,所建模型及算法在赋予集装箱中心站应对市场变化的柔性能力方面具有高效和实用的特点.