排序方式: 共有8条查询结果,搜索用时 31 毫秒
1
1.
基于神经网络模型的混沌优化及其应用 总被引:2,自引:0,他引:2
研究一种新型优化算法-混沌优化,提出加快解的疏敛速度和精度新方法,并与精确不可微罚函数结合来求解非线性约束优化问题。对不能用数学解析式精确表达的优化问题利用神经网络建模,在此基础上进行混沌搜索寻优。该方法应用于甲醛生产过程的稳态优化,获得较好的经济效益。 相似文献
2.
3.
设计实现了一种利用差分阈值法进行心电数据自动分段算法,该算法可识别连续心电数据的各个心电周期;基于多重分形理论,获取心电数据的多重分形半谱特征和广义 Hurst 指数特征,用于神经网络模型的训练,以实现心电数据分类,其分类的准确率为97%。实现了心电诊断系统并用于实际应用,该系统能自动识别包含多个周期的心电序列,忽略该心电序列中首尾不完整心电周期数据,并可对心电数据各个周期进行分类标注。 相似文献
4.
基于系统优化设计思想,将换热网络综合问题等价分解为适合新型合作协作进化模型的系统结构优化和换热单元优化两部分,同时进行系统结构和换热单元的协作进化设计,最终得到它们之间的最优折衷。算例表明,该方法较好地解决了较大规模的换热网络最优综合问题,且能避免传统方法中存在的收敛速度较慢、易陷于局部最小值、目标函数必须可导等问题,并已成功用于某厂乙烯装置的全过程用能优化综合问题。 相似文献
5.
自适应乘子在工程优化问题中的应用 总被引:5,自引:1,他引:4
在增广Lagrange乘子函数和协作进化算法的基础上,采用自适应策略来解决工程优化问题.其中存在两组相互作用的进化种群A和B,A利用B的反馈信息来评价A中乘子个体的优劣,进而进化A中乘子个体;B则利用A中乘子个体来动态进化原问题的候选解个体.在算法迭代过程中,罚因子是确定性逐渐增大,以使算法逐渐收敛;A中乘子个体则朝其最优值的方向进化,且由B可得到原问题的最优解.与基于静态和动态罚函数的GAs相比,该算法准确度和鲁棒性较高,易于实现,并适合并行化计算. 相似文献
6.
7.
混沌优化方法在甲醛生产过程中在线优化的应用 总被引:1,自引:0,他引:1
本文研究了一种新型优化方法:混沌优化,提出在局部搜索空间利用线性搜索加快解
的收敛速度和精度,并与精确不可微罚函数结合来求解非线性约束优化问题的新方法,且对
不能用数学解析式精确表达的优化问题利用软测量技术进行描述,在此基础上进行混沌搜索
寻优.该方法结构简单,实现容易,对优化问题要求低,通用性强,可靠性较高,是解决化
工优化问题的有效方法. 相似文献
8.
在增广Lagrange乘子函数和协作进化算法的基础上,采用自适应策略来解决工程优化问题。其中存在两组相互作用的进货种群A和B,A利用B的反馈信息来评价A中乘子个体的优劣,进而进化A中乘子个体;B则利用A中乘子个体来动态进化原问题的候选解个体。在算法迭代过程中,罚因子是确定性逐渐增大,以使算法逐渐收敛;A中乘子个体则朝其最优值的方向进化,且由B可得到原问题的最优解。与基于静态和动态罚函数的GAs相比,该算法准确度和鲁棒性较高,易于实现,并适合并行化计算。 相似文献
1