軟計算方法在智能優(yōu)化中的應用研究.pdf

1、智能優(yōu)化為許多傳統(tǒng)方法難以求解的問題提供了有效的求解思路,論文結(jié)合軟計算方法進行了智能優(yōu)化方面的應用研究工作,內(nèi)容包括:1.對一類難以使用傳統(tǒng)方法求解的時間資源調(diào)度問題,提出了啟發(fā)式方法和遺傳算法相結(jié)合的求解算法,該算法易于實現(xiàn),計算量較小,尤其對大規(guī)模問題實例的求解提供了一種有效的方法.2.提出了基于遺傳算法優(yōu)化的判別函數(shù)分類方法,解決了傳統(tǒng)方法較難確定的判別函數(shù)形式和參數(shù)選取問題,為分類問題提供了一種簡化而有效的方法.3.對0-1整

2、數(shù)規(guī)劃問題的求解提出了一種動態(tài)適應值遺傳算法,其中較好處理了搜索空間和搜索效率之間的折衷,具有構(gòu)造實現(xiàn)簡單、所需參數(shù)少的特點,并通過問題實例優(yōu)化對比測試了相關(guān)參數(shù)對算法性能的影響.4.從簡化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)以及訓練算法的角度,進行了基于函數(shù)連接的神經(jīng)網(wǎng)絡(luò)控制仿真研究,該網(wǎng)絡(luò)和MLP-BP網(wǎng)絡(luò)相比具有較小的計算量,并通過對比研究了相關(guān)參數(shù)的影響.5.在分析RBF網(wǎng)絡(luò)逼近能力以及和模糊邏輯聯(lián)系基礎(chǔ)上,綜合模糊推理和局部逼近網(wǎng)絡(luò)學習快速的優(yōu)點,提