RCGNN：一种基于实数编码的遗传神经网络预测方法

将遗传算法与神经网络相结合,提出一种实数编码、自适应选择、算术交叉、高斯变异、爬山操作的改进遗传BP神经网络RCGNN,利用遗传算法对神经网络权值和阈值进行优化。以时间序列预测的实例进行编程计算表明,用遗传算法进行网络训练,其收敛速度快,最终总误差最小,预测准确率高。对算法中参数进行的相应研究表明,增加爬山操作次数能很好地提高网络训练的速度,同时使误差下降快;爬山操作越多,收敛速度越快,最终误差越小,但计算运行时间也会增加。     

基于改进遗传算法的作战工程装备利用优化

为了提高作战工程装备的利用效率,使完成所分配的作战工程花费最少的时间,在工程任务和工程装备总额给定的情况下,建立了作战工程装备任务分配优化的数学模型;提出一种装箱编码方法、两代竞争的改进遗传算法,并辅以自适应选择、换箱交叉、领域搜索变异,对问题进行求解;通过对一个有三项作战工程任务、四种作战工程装备任务分配问题的实例计算表明,遗传算法操作简便,适于大规模的作战工程装备任务分配优化问题求解,该实例表明遗传算法求得结果优于文献中提供的传统解乘数法所求得结果.