VC环境下遗传算法在网络最短路径优化中的设计与实现

针对网络最短路径的有效智能求解,设计了智能算法——遗传算法在基于Visual C++6.0平台下对网络最短路径问题的实现方案,阐明了遗传算法在求解网络最短路径问题中包括编码、种群生成和遗传算子的具体步骤。通过实验,验证了设计方法的可行性和有效性,同时,该方法具有一定的理论意义和现实价值。     

基于层连优化的新型小世界神经网络

对多层前向小世界神经网络的网络参数、权值修正策略以及网络结构进行改进, 提出一种基于层连优化的小世界神经网络的改进算法. 通过对比现有各种不同形式的小世界神经网络, 验证了上述改进的必要性. 仿真结果表明, 改进模型比现有小世界神经网络收敛速度更快, 逼近精度更高, 模型稳定性更强.     

神经网络求解图最短路径问题的一种新方法

本文给出一种求解图最短路径问题的实用反馈式神经网络，并证明这两种网络的求解稳定性，这种网络基于最小值选择网而构成，对任意有向图和无向图均能收敛到其唯一的稳定点，由此求得图所有顶点对间的最短路径及最短路径长度，本文结果是神经网络求解非ＮＰ－骓难解类优化问题的一种新尝试。     

基于混沌神经网络的最短路径路由算法

飞速发展的计算机网络对路由算法的反应速度提出了更高的要求．神经网络作为一种新的组合优化计算工具。在网络路由方面的应用得到较大关注．与传统的采用串行执行方式的算法相比，神经网络路由算法以其固有的并行执行方式，以及潜在的硬件实施能力，将成为这一领域的有力竞争者．由此提出了一种基于混沌神经网络的最短路径路由算法．仿真结果表明，该算法能有效克服Hopfield神经网络易陷入局部最优解的缺点，并且在收敛速度方面有了很大改进．     

一种基于脉冲耦合神经网络的最短路径算法

提出了一种基于脉冲耦合神经网(Pulse—Coupled Neural Network，PCNN)的最短路径算法。通过对PCNN做很小的改变，该算法不但具有和Hopfield神经网络相同的并行处理特性，适用于求解大规模实时问题，而且还能一次求出源点到其它所有目的点的最短路径．根据PCNN的模型和运算规则，本文证明了该方法的正确性并分析了其复杂度．文中还将该算法运用于通信网络的路由选择．     

特征识别-反馈型神经网络设计

构造一个Elman反馈神经网络来进行模式识别,给出了所构造的Elman反馈神经网络的结构,它相对于BP网络的优势在于它能在有限时间内以任意精度逼近任意函数,在错误概率最小的条件下,使识别的结果尽量与客观事物相符。对二者的识别错误率进行比较,结果表明,反馈神经网络在模式识别的稳定性及真实性上有着BP网络所无法比拟的优势。对如何提高反馈神经网络的辨识精度做了一些探讨。     

基于混沌神经网络的最短路径路由算法

将最短路径问题映射到混沌神经网络，提出了一种带有混沌噪音的神经网络最短路径路由算法。首先设计了与最短路径有关的网络费用和路径表达方法；其次结合混沌神经网络的数学模型建立神经元的运动方程；最后依据网络费用和约束条件构造神经网络的能量函数。分别在具有9个结点和15个结点的网络拓扑结构上进行了实验，单个和多个分组请求均能快速地找到最短路径。结果表明，该文提出的最短路径路由算法用于高速交换网络是有效可行的。     

通过神经网络的最短路径来分割粘连的字符

以神经网络为基础识别打印字符的方法，其主要问题是，如何分割有粘连的字符。在此，本文提出一种混合处理方法，邓以神经网络为基础的延迟分割方案与传统的快速分割技术相结合的方法。在延迟分割过程中，利用神经网络把单个字符和复合字符区分开来。为了寻找可以分割一个复合字符合适原垂直切口，使用一种寻找损失最小的弯曲切口的最短路径算法。     

基于遗传算法的前向神经网络结构优化

对近几年应用遗传算法（Genetic Algorithm,GA）优化设计前向神经网络结构的研究进行了评述。指出了神经网络结构优化设计的重要性和目前各种方法存在的不足。介绍了神经网络结构设计原理和应用GA优化设计神经网络应着重考虑的两个问题：即结构表达策略和适应度函数设计。分别对近来应用GA优化设计多层感知器、径向基函数神经网络和径向基概率神经网络结构的研究进行了细致介绍和分析。指出了目前研究工作的不足和未来研究工作的发展方向。     

工程优化问题中神经网络与进化算法的比较

目前工程优化问题不仅种类繁多,而且各自采用的模型与方法迥异。从方法论的高度,将现有工程优化问题分为黑箱优化与白箱优化,然后推出各自的优化模型。对于黑箱优化问题,阐述了前向神经网络在系统逼近上的优势,以及进化算法与BP算法在求解神经网络权值上的优劣;对于白箱优化问题,阐述了进化算法与反馈神经网络的优缺点和目前流行的进化算法及其通用改进策略。通过分析,可以对目前的优化问题,以及神经网络与进化算法在其中的作用,有更加全面的认识。     

基于BP神经网络的临床路径优化

针对临床路径的复杂性和模糊不确定性,对其进行综合分析,计算出临床路径诊疗单元的平均治疗天数以及临床路径的总治疗天数,分别作为实验的样本数据和最终评价指标。在此基础上,利用BP神经网络的方法对临床路径进行优化建模。并通过实验对比分析隐层神经元数量对临床路径优化结果的影响,发现神经元数量增多时,错误率明显下降,迭代次数呈上下波动。最后选取7-9-1的BP神经网络结构,以某地区三甲医院的糖尿病加高血压临床路径为例,进行仿真实验。结果显示,训练模型的输出值与期望值之间的相对误差范围在0-0.2%之内,测试模型的输出值与期望值之间的相对误差范围在0-0.1%之内。说明该模型具有较强的自学习自适应能力,能够有效地优化临床路径,减少患者的治疗天数。     

野战分组交换网性能的仿真分析

本文采用计算机仿真的方法研究了野战分组交换网的性能,讨论了影响网络性能的主要因素,通过对仿真结果进行分析,得出了一些有益的结论,为实际野战分组交换网的网络设计提供了理论依据。     

Neural Network Output Optimization Using Interval Analysis

The problem of output optimization within a specified input space of neural networks (NNs) with fixed weights is discussed in this paper. The problem is (highly) nonlinear when nonlinear activation functions are used. This global optimization problem is encountered in the reinforcement learning (RL) community. Interval analysis is applied to guarantee that all solutions are found to any degree of accuracy with guaranteed bounds. The major drawbacks of interval analysis, i.e., dependency effect and high-computational load, are both present for the problem of NN output optimization. Taylor models (TMs) are introduced to reduce these drawbacks. They have excellent convergence properties for small intervals. However, the dependency effect still remains and is even made worse when evaluating large input domains. As an alternative to TMs, a different form of polynomial inclusion functions, called the polynomial set (PS) method, is introduced. This new method has the property that the bounds on the network output are tighter or at least equal to those obtained through standard interval arithmetic (IA). Experiments show that the PS method outperforms the other methods for the NN output optimization problem.     

用最优化方法解决BP神经网络训练问题

BP神经网络可以有效地对非线性系统进行逼近,但是传统的最速下降搜索方法存在收敛速度慢的问题。本文提出把BP神经网络转化为最优化问题,用一种共轭梯度算法代替最速下降法进行搜索迭代,极大地提高了收敛速度。     

网络分组交换中的排队论模型分析

排队论模型在计算机网络通信系统中具有广泛应用,如评价网络性能,设计计算机网络等.作者通过对M/M/1和M/D/1模型的深入分析,得出了M/G/1模型中的最佳排队系统模型.     

网络分组交换中的排队论模型分析

排队论模型在计算机网络通信系统中具有广泛应用,如评价网络性能,设计计算机网络等。作者通过对M/M/l和M/D/1模型的深入分析,得出了M/G/1模型中的最佳排队系统模型。     

包交换网络中调度方法进展：扩展性分析

1.引言现在Internet主要提供无服务质量(QoS)保证的尽力服务(best effort)。随着Internet朝着提供包括数据、声音、视频等多服务统一的多媒体通讯平台发展,传统的Internet已经不能满足不同的应用在吞吐率、延迟、延迟抖动、丢失率等方面的不同要求。服务质量控制作为网络提供保证服务的手段在近十多年的时间里得到了广泛的研究。传统的服务质量研究主要基于集成服务(Intserv/RSVP)模型。这种模型的基本思想是为每一个流提供端到端的服务质量控制,它的实     

A Dual Neural Network for Kinematic Control of Redundant Manipulators Using Input Pattern Switching

This paper presents a dual neural network for kinematic control of a seven degrees of freedom robot manipulator. The first network is a static multilayer perceptron with two hidden layers which is trained to mimic the Jacobian of a seven DOF manipulator. The second network is a recurrent neural network which is used for determining the inverse kinematics solutions of the manipulator; The redundancy is used to minimize the joint velocities in the least squares sense. Simulation results show relatively good comparison between the outputs of the actual Jacobian matrix and multilayer neural network. The first network maps motions of the seven joints of the manipulator into 42 elements of the Jacobian matrix, with surprisingly smaller computations than the actual trigonometric function evaluations. A new technique, input-pattern-switching, is presented which improves the global training of the static network. The recurrent network was designed to work with the neural network approximation of the Jacobian matrix instead of the actual Jacobian. The combination of these two networks has resulted in a time-efficient procedure for kinematic control of robot manipulators which avoids most of the complexity present in the classical-trigonometric-based methods. Also, by electronic implementation of the networks, kinematic solutions can be obtained in a very timely manner (few nanoseconds).     

用于包交换网络的概率加权公平队列调度算法

文中提出了一种新的加权公平队列调度算法 (P-WFQ). 该算法使用相对权重作为一次轮询中的服务概率来实现加权公平调度, 解决了传统的加权公平队列调度算法(WFQ、WRR)普遍存在的基于每个数据包的权重计算的问题, 从而大大降低了算法的复杂度. 另外使用了自适应队列管理技术, 有效提高了交换机的缓冲区利用率, 并可以在有少量丢包的代价下减小队列的排队延迟抖动. 仿真结果证明了算法的有效性和实用性.     

State Space Merging Approach to Optimization of Push-Out Strategies in Packet Switching Networks

A new approach to optimization of push-out strategies in packet switching networks is proposed. It is based on the theory of state space merging in stochastic systems. Explicit formulas are derived for calculation of service quality parameters of different packets and algorithms for their optimization are proposed.