基于遗传BP算法的神经网络及其在模式识别中的应用

介绍了传统的遗传算法与BP算法,并分析了它们的不足.提出了一种将遗传算法和BP算法相结合的遗传BP算法,在遗传算法的群体设计中采用小生境技术,防止优秀个体早期退化.实验证明了此方法的正确性和有效性.     

基于进化规划的BP神经网络学习

通过对将传统的BP算法和遗传算法应用到BP神经网络的学习的研究和分析,指出它们存在的缺陷。提出一个改进的进化规划算法,并将其应用于BP神经网络的权值优化。取XOR问题和4奇偶性问题的实验对传统的进化规划算法和改进的进化规划算法进行实验对比。实验结果表明,本文中提出的改进的进化规划算法优于前2个算法。     

基于遗传BP算法的我国汽车保有量预测

在对我国中长期汽车保有量预测时,针对传统BP算法的不足,采用遗传算法优化BP算法的连接权值,使优化后的BP网络的训练速度和预测精度得到了有效提高,说明该方法具有较好的实用性和推广价值.     

结合遗传算法的BP神经网络训练方法研究

针对BP神经网络存在收敛到局部极小问题,研究了直接利用遗传算法训练BP网络的方法和结合遗传算法训练网络初始权值的BP算法;通过简单异或问题说明了第一种方法所需训练时间较长;将第二种用于解决结构损伤识别问题,得到较好结果,说明利用遗传算法训练初始权值可以克服BP神经网络局部极值点问题,加快网络的收敛速度。     

基于遗传与BP算法的公路收费系统综合评价

在构建高速公路收费系统综合评价指标体系的基础上,提出了用遗传算法(Genetic Algorithms,GAs)与BP网络相结合的混合算法来进行综合评价的模型,即先通过遗传算法优化初始权值,再用BP网络进行精确训练,使网络收敛速度加快和避免局部极小,从而保证模型评价值客观反映真实评价.     

一种基于遗传混合算法的二维祸合颤振方法

摘要:对于传统的二维二自由度藕合颤振分步分析解法，创新性地将颤振分析转变为关于求解系统振动频率的非线性方程组问题.基于数值分析理论，引人如拟牛顿法等超线性收敛的数值迭代解法，研究了该类方法在数值迭代时的局部收敛性、初始值依赖性等问题.为规避上述风险发生在颤振分析中，将具有全局搜索优势的遗传算法应用于二维二自由度藕合颤振分析，结合最优算法L-M算法进行局部收敛修正，提出了基于遗传混合算法的分析方法.算例分析结果表明:在各个检测风速节点处，两种方法下的系统振动圆频率和系统牵连阻尼比计算误差都低于0. 1 %o，结果几乎一致;所建立的新分析方法思路清晰，求得颤振临界风速与传统方法完全一致，说明新的计算流程可行且计算结果准确;与传统方法相比，基于遗传混合算法的颤振方法每步求解过程无需初值的自选取，具有无条件收敛的优点.     

基于GATS算法的城市交通网优化问题研究

遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ算法是求解大规模任意目标函数优化问题的强有力工具，二者各有优势，又都存在不足，本文根据香港城市交通网优化问题的特点及遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ算法自身的优势与不足，提出一种将二者混合使用的求解网络优化问题的算法。这是第一次将遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ算法应用于实际的网络设计问题，最后用香港２００６规划数据进行实例研究。     

基于混合粒子群优化的2维Otsu路面裂缝图像阈值分割方法

针对传统2维Otsu法由于计算量大而无法实时对路面裂缝图像进行分割的问题,将粒子群算法和遗传算法相结合,提出了一种基于混合粒子群优化的2维Otsu路面裂缝图像阈值分割方法。实验结果表明:与标准粒子群优化的2维Otsu阈值分割法相比,文中方法可以完整分割出图像中的裂缝目标;与传统2维Otsu法相比,文中方法减少了算法运行的时间,提高了路面裂缝图像的分割效率。     

遗传—神经网络在交通流预测中的应用

提出一种基于BP神经网络的遗传算法,分别利用其局部和全局寻优能力强的特点,综合为一种新的优化算法,并将改进的算法应用于交通流预测中。结果表明,改进方法的预测效果优于单一使用BP神经网络进行预测的效果。     

基于BP神经网络的遗传算法在短时交通流预测中的应用

将BP神经网络和遗传算法的结合点进行改进,并以此为基础提出新的优化算法。新算法设计简单,易于实现,能有效地解决局部极小问题,加快收敛速度,增强网络的适应能力,预测效果明显优于BP算法。