基于TSBP網(wǎng)絡(luò)的效率評(píng)價(jià)研究——以高速鐵路與社會(huì)經(jīng)濟(jì)相互影響為例.pdf

1、效率評(píng)價(jià)研究產(chǎn)出指標(biāo)相對(duì)于投入指標(biāo)的轉(zhuǎn)化程度高低，而指標(biāo)之間的相互影響呈現(xiàn)出復(fù)雜的非線性關(guān)系，傳統(tǒng)的效率評(píng)價(jià)方法存在數(shù)學(xué)模型使用前提限制、缺乏自我學(xué)習(xí)能力、不能充分利用以往的經(jīng)驗(yàn)知識(shí)等方面的缺陷，BP(back propagation，BP)神經(jīng)網(wǎng)絡(luò)的非線性處理能力是解決此類問題的一條有效途徑，但是其自身也存在著一定的局限性。針對(duì)BP神經(jīng)網(wǎng)絡(luò)易收斂于局優(yōu)的缺陷，引入具有全局尋優(yōu)性能的禁忌搜索(Tabu Search，TS)算法優(yōu)化BP網(wǎng)

2、絡(luò)的學(xué)習(xí)訓(xùn)練過程；對(duì)BP神經(jīng)網(wǎng)絡(luò)的權(quán)值調(diào)整策略進(jìn)行改進(jìn)，提出自適應(yīng)搜索策略，用以協(xié)調(diào)TS算法中集中性搜索與多樣性搜索之間的矛盾，并將兩種策略融合形成TSBP(Back Propagation based on Tabu Search，TSBP)算法。本文以TSBP算法作為TSBP網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練算法，提出具有普適性的TSBP網(wǎng)絡(luò)通用框架，將TSBP網(wǎng)絡(luò)用于進(jìn)行效率評(píng)價(jià)，以鐵路對(duì)沿線區(qū)域社會(huì)的影響為研究對(duì)象驗(yàn)證TSBP算法的有效性。

3、　　主要的研究工作可以概括為：
　　(1)針對(duì)標(biāo)準(zhǔn)BP算法中以單訓(xùn)練樣本網(wǎng)絡(luò)誤差為指導(dǎo)逐步調(diào)整各層連接權(quán)值的耗時(shí)間題，提出以批處理訓(xùn)練樣本對(duì)的網(wǎng)絡(luò)累積誤差為指導(dǎo)進(jìn)行網(wǎng)絡(luò)權(quán)值調(diào)整過程，一方面保障全局誤差按梯度下降，另一方面縮短網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練時(shí)間，同時(shí)迭代過程中訓(xùn)練樣本對(duì)的輸入順序不會(huì)對(duì)網(wǎng)絡(luò)的收斂速度產(chǎn)生影響。
　　(2)針對(duì)TS算法中集中性搜索與多樣性搜索之間的矛盾，提出自適應(yīng)搜索策略，通過鄰域和候選集的相互配合以動(dòng)態(tài)地調(diào)整候

4、選集中分別用于集中性搜索和多樣性搜索的元素個(gè)數(shù)，根據(jù)候選解中網(wǎng)絡(luò)誤差值與前一次迭代過程中網(wǎng)絡(luò)誤差值的比較來調(diào)整下一步的搜索策略。
　　(3)將TSBP網(wǎng)絡(luò)用于進(jìn)行效率評(píng)價(jià)，以“高速鐵路與社會(huì)經(jīng)濟(jì)相互影響分析及評(píng)價(jià)”為項(xiàng)目背景，基于經(jīng)濟(jì)組效率評(píng)價(jià)研究的相關(guān)數(shù)據(jù)，構(gòu)建TSBP網(wǎng)絡(luò)模擬鐵路線的建設(shè)運(yùn)營對(duì)周邊地區(qū)四省三市社會(huì)影響程度的非線性映射關(guān)系，對(duì)比標(biāo)準(zhǔn)BP網(wǎng)絡(luò)的訓(xùn)練預(yù)測(cè)結(jié)果，分析說明本文構(gòu)建的TSBP網(wǎng)絡(luò)具有更高的求解質(zhì)量、能夠更好