基于伪并行混合遗传算法的神经网络优化

在分析并行多物种遗传算法应用于神经网络拓扑结构的设计和学习之后，提出一种伪并行遗传（PPGA-MBP）混合算法，结合改进的BP算法对多层前馈神经网络的拓扑结构进行优化。算法编码采用基于实数的层次混合方式，允许两个不同结构的网络个体交叉生成有效子个体。利用该算法对N-Parity问题进行了实验仿真，并对算法中评价函数各部分系数和种群规模对算法的影响进行了分析。实验证明取得了明显的优化效果，提高了神经网络的自适应能力和泛化能力，具有全局快速收敛的性能。     

基于k-means聚类算法的山东省GSME企业网站应用分析

运用k-means方法对山东省成长型中小企业应用网站开展电子商务的调查数据进行聚类分析,表明企业应用电子商务水平符合阶段性模型,虽然企业电子商务应用还处于较低阶段,但企业对电子商务具有较高的认知水平,门户网站的功能性得到加强,同时对网站的运营与管理还有待加强。最后,结合政府政策以及网络服务运营商的业务发展状况,提出一些中小企业有效利用门户网站的策略。     

基于PPGA-MBP的神经网络优化及其应用

多物种并行进化遗传算法应用于神经网络拓扑结构的设计,开辟了新的研究领域,论文提出伪并行(PPGA-MBP)混合遗传算法,结合改进的BP算法优化多层前馈神经网络的拓扑结构。算法采用实数编码来克服传统二进制编码的精度不足问题,并设计基于层次的杂交算子允许结构相异的个体杂交重组成新的个体,适应度函数更是综合考虑了均方误差、网络结构复杂度和网络的泛化能力等因素。实验证明取得了明显的优化效果,提高了神经网络的自适应能力和泛化能力,具有全局快速收敛的性能。论文还运用该算法建立了工业增产值经济预测网络模型,将网络预测值和多项式拟合值进行了对比分析。