为降低传统仿真优化方法所需的仿真次数,从而缩短仿真优化时间,提出了一种基于GRNN神经网络的仿真优化算法设计。首先,利用仿真生成一定数量的样本集,利用GRNN神经网络进行训练,得到初始回归曲面,并在该曲面上利用Pattern Search算法找出全部可能的局部极小,由于可能会找到一些假局部极小点-即噪声点,设计了剔除噪声点的方法,得到全部局部极小;在各局部极小点周围增补少量仿真样本,再次利用GRNN进行训练,得到新的回归曲面。重复增补样本,直到得到仿真优化的最优解。实例表明,本文方法能够有效降低所需样本的数量,实现仿真优化问题的求解。
1