神经网络在股票价格预测中的研究

研究准确优化预测股票价格问题,针对影响股票价格具有非线性、不稳定的特征,股票价格由于受到社会经济因素的影响,变化大.采用传统神经网络方法在股票价格预测中易陷入局部极小值,泛化能力受到影响.为了提高股票价格精度,提出一种基于粒子群优化算法(PSO)的RBF神经网络(RBFNN)股票价格预测模型.利用粒子群优化算法的良好的寻优能力,对RBF神经网络参数进行优化,从而加快RBF神经网络运算速度,并提高了RBF神经网络的预测精度.利用粒子群优化的RBF神经模型对上证指数(000001)股票价格进行了验证性测试和分析,实验结果表明,相对于各参比模型,经过粒子群优化的RBF神经网络模型预测方法有更好的收敛性,更强的学习能力,显著地提高了预测精度,可为预测提供依据.     

基于改进粒子群算法的压电结构电气转换装置气路优化研究

为了能够提高压电结构电气转换装置的性能,利用改进粒子群算法对其气路进行优化设计。分析了压电结构电气转换装置的基本原理,研究了改进的粒子群算法,提出了相应的算法流程,并进行了仿真分析,获得了压电结构电气转换装置气路的最优化尺寸参数,结果表明算法具有较好的稳定性。     

高性能仿真网络电子地图网站的设计与实现

研究电子地图,应查询方便真实准确。随着现代计算机技术的不断发展,地图管理信息系统已经不再是拘泥于二维平面的地图,通过与网络技术、多媒体技术进一步结合,可实现高性能、更易于使用的信息系统。系统利用网络技术、数据库技术及多媒体技术构架,开发一种基于网络的高性能仿真三维电子地图检索网站。网站可以三维形式,对地图信息进行浏览、查询,可实现地图的缩放及拖动等功能。系统能够达到快速搭建、简单操作、方便维护、易于扩展的现代网站管理和地图信息系统的要求,可以达到准确真实。     

粒子群算法在车间作业调度问题中的仿真研究

研究车间作业调度问题,优化资源配置.车间作业度问题(JSP)是一类典型的NP-hard问题,针对传统方法在JSP应用过程中,存在速度慢、易陷入局部最优,导致车间作业调度效率低.为了解决车间作业调度效率低的难题,提出了一种粒子群算法的车间作业调度方法.该方法将每个粒子代表一种作业调度方案,以最小化加工时间作为算法的优化目标,通过粒子群之间的协作来获得最优作业调度方案.采用JSP标准测试案例在Matlab平台上对该方法进行了验证性实验,实验结果表明,相对于传统方法,该方法能够在最短时间找作业调度的最优解,提高了车间作业调度效率,是一个求解车间作业调度问题的有效方法.