雙參數(shù)精確罰函數(shù)非線性神經(jīng)網(wǎng)絡(luò)的研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩59頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、組合優(yōu)化中的NP-hard問(wèn)題和非線性全局優(yōu)化問(wèn)題是優(yōu)化研究中的難點(diǎn).近年來(lái),有許多人采用模擬退火(Simulated Annealing)、遺傳算法(Genetic Algorithms)和人工神經(jīng)網(wǎng)絡(luò)(Artificial NeuralNetworks)等啟發(fā)式算法對(duì)這兩類問(wèn)題進(jìn)行了研究,并取得了一定得進(jìn)展.但這些方法通常存在計(jì)算量大、收斂慢及參數(shù)敏感等不足.本文主要討論了在雙參數(shù)精確罰函數(shù)下,如何將精確罰函數(shù)和神經(jīng)網(wǎng)絡(luò)及遺傳算法結(jié)

2、合的系統(tǒng)應(yīng)用于優(yōu)化問(wèn)題.本文我們介紹了罰函數(shù)、神經(jīng)網(wǎng)絡(luò)和遺傳算法的研究現(xiàn)狀.通過(guò)對(duì)雙參數(shù)精確罰函數(shù)的討論,利用雙參數(shù)精確罰函數(shù)的性質(zhì),構(gòu)造了一種非線性神經(jīng)網(wǎng)絡(luò),并討論了該神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性問(wèn)題,提出了一個(gè)求解這種神經(jīng)網(wǎng)絡(luò)的算法,給出了一些算例.最后,我們研究了使用遺傳算法求解這種神經(jīng)網(wǎng)絡(luò)問(wèn)題,我們提出一個(gè)求解神經(jīng)網(wǎng)絡(luò)問(wèn)題的混合遺傳算法,并給出了數(shù)值計(jì)算結(jié)果.計(jì)算結(jié)果表明,所提出的方法是有效.與單純的遺傳算法求解TSP問(wèn)題相比,新的混合法在

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論