计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2012年
1期
215-218
,共4页
神经网络%遗传算法%多目标优化%建模
神經網絡%遺傳算法%多目標優化%建模
신경망락%유전산법%다목표우화%건모
在复杂非线性多目标优化问题求解中,非线性模型结构很难事先给定,需要检验的参数也非常繁多,应用传统的建模方法和优化模型已难以解决更为复杂的现实问题.人工神经网络技术为解决复杂非线性系统建模问题提供了一条新的途径.将神经网络响应面作为目标函数或者约束条件,加上其他常规约束条件进行系统模型的建立,再应用遗传算法进行优化,从而实现设计分析与设计优化的分离.以某化工企业的生产过程优化问题为例,利用BP神经网络建立了工艺参数与性能目标之间的模型,然后利用遗传算法搜索最优工艺参数,获取了用于指导生产的样本点数据.研究结果表明,该方法能够获得高精度的多目标优化模型,从而使优化效率大为提高.
在複雜非線性多目標優化問題求解中,非線性模型結構很難事先給定,需要檢驗的參數也非常繁多,應用傳統的建模方法和優化模型已難以解決更為複雜的現實問題.人工神經網絡技術為解決複雜非線性繫統建模問題提供瞭一條新的途徑.將神經網絡響應麵作為目標函數或者約束條件,加上其他常規約束條件進行繫統模型的建立,再應用遺傳算法進行優化,從而實現設計分析與設計優化的分離.以某化工企業的生產過程優化問題為例,利用BP神經網絡建立瞭工藝參數與性能目標之間的模型,然後利用遺傳算法搜索最優工藝參數,穫取瞭用于指導生產的樣本點數據.研究結果錶明,該方法能夠穫得高精度的多目標優化模型,從而使優化效率大為提高.
재복잡비선성다목표우화문제구해중,비선성모형결구흔난사선급정,수요검험적삼수야비상번다,응용전통적건모방법화우화모형이난이해결경위복잡적현실문제.인공신경망락기술위해결복잡비선성계통건모문제제공료일조신적도경.장신경망락향응면작위목표함수혹자약속조건,가상기타상규약속조건진행계통모형적건립,재응용유전산법진행우화,종이실현설계분석여설계우화적분리.이모화공기업적생산과정우화문제위례,이용BP신경망락건립료공예삼수여성능목표지간적모형,연후이용유전산법수색최우공예삼수,획취료용우지도생산적양본점수거.연구결과표명,해방법능구획득고정도적다목표우화모형,종이사우화효솔대위제고.