基于神经网络的仿真优化算法设计

神经网络；仿真优化；局部极小；样本增补

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。

文件下载

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

基于神经网络的仿真优化算法设计

文件下载

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载