电脑开发与应用
電腦開髮與應用
전뇌개발여응용
COMPUTER DEVELOPMENT & APPLICATIONS
2012年
8期
7-9
,共3页
随机期望值模型%差分进化%RBF神经网络
隨機期望值模型%差分進化%RBF神經網絡
수궤기망치모형%차분진화%RBF신경망락
目标函数中由于受到一个或者多个随机变量的影响,求解期望值难度增加.因此,提出一种有效的求解期望值模型的混合算法.利用随机模拟计算期望值,RBF神经网络对目标函数进行逼近,差分进化算法寻优,从而形成求解随机期望值模型的混合算法.最后,通过仿真实验说明算法的有效性.
目標函數中由于受到一箇或者多箇隨機變量的影響,求解期望值難度增加.因此,提齣一種有效的求解期望值模型的混閤算法.利用隨機模擬計算期望值,RBF神經網絡對目標函數進行逼近,差分進化算法尋優,從而形成求解隨機期望值模型的混閤算法.最後,通過倣真實驗說明算法的有效性.
목표함수중유우수도일개혹자다개수궤변량적영향,구해기망치난도증가.인차,제출일충유효적구해기망치모형적혼합산법.이용수궤모의계산기망치,RBF신경망락대목표함수진행핍근,차분진화산법심우,종이형성구해수궤기망치모형적혼합산법.최후,통과방진실험설명산법적유효성.