遗传算法和神经网络的结合

系统工程理论与实践SystemsEngineering——Theory&Practice1999年第2期第19卷vol.19No.21999遗传算法与神经网络的结合李敏强徐博艺寇纪淞摘要阐明了遗传算法和神经网络结合的必要性和可行性,提出用多层前馈神经网络作为遗传搜索的问题表达方式的思想。用遗传算法和神经网络结合的办法求解了短期地震预报问题,设计了用遗传算法训练神经网络权重的新办法,实验成果显示了遗传算法快速学习网络权重的能力,并且能够摆脱局部极点的困扰。核心词遗传算法进化计算神经网络OntheCombinationofGeneticAlgorithmsandNeuralNetworksLiMinqiangXuBoyiKouJisong(InstituteofSystemsEngineering,TianjinUniversity,Tianjin300072AbstractInthispaper,wedemonstratethenecessityandpossibilityofcombiningneuralnetwork(NNwithGAs.ThenotionofusingmultilayeredfeedforwardNNastherepresentationmethodofgeneticandthesearchingtechniqueisintroduced.WecombineGAandNNforsolvingshorttermearthquakeforecastingproblem,designanovelmethodofusingGAstotrainconnectionweightsofNN.TheempiricaltestindicatesthecapabilityofthenewmethodinfastlearningofNNandescapinglocaloptima.Keywordsgeneticalgorithms;evolutionarycomputation;neuralnetworks1引言智能能够分为三个层次:高层次的是生物智能(BI,另首先是人工智能(AI,处在低层次的是计算智能(CI。计算智能是国际上新近提出的学科概念,在计算智能中,计算的概念是传统计算概念的拓展,计算对象不仅局限于数和字符,运算符号也不再局限于加减乘除等运算,在这个范畴内的加减乘除也需赋于新的含义。但普通来说,AI偏重于逻辑推理,而CI则偏重于数值计算。现在,计算智能正处在迅猛发展的阶段,其重要技术涉及含糊技术、神经网络、进化计算等[5]。这几项技术各自都有了数十年的历史,但当时这些办法并未受到足够的重视,一是当时这些办法还不很成熟,二是受当时计算机软硬件的限制,而这些办法普通需要较大的计算量,难以获得实际应用。随着计算机技术的发展和普及,它们在近来十年得到了突飞猛进的发展,引发了诸多领域专家学者的关注,成为一种跨学科的研究热点。近年来,这些办法呈互相融合的趋势[3],它们之间的互相补充可增强彼此的能力,从而获得更有力的表达和解决实际问题的能力。如对含糊神经网络、含糊遗传算法、含糊分类器系统、用遗传算法优化含糊系统的附属度函数及神经网络的进化设计办法等的研究都体现了这种融合的优点[1,2]。2遗传算法与神经网络的融合2.1神经网络为什么需要遗传算法对于一种实际问题建立神经网络普通涉及下面四个阶段:首先研究者根据自己的理论、经验和研究爱好选择一种问题域,如模式识别、神经控制、经济预测等。第二,根据学习任务设计网络构造,涉及解决单元个数、各层的组织构造及解决单元之间的联结。第三,根据已知的网络构造和学习任务用梯度下降学习算法,如BP算法来训练联结权值。最后,研究者以测量到的目的性能,如解决特殊问题的能力、学习速度和泛化能力对训练过的网络进行评价。这个过程能够不停重复以获得盼望的成果。描述一种ANN模型构造的重要参数有:网络层数、每层单元数、单元间的互连方式等。设计ANN的构造,事实上就是根据某个性能评价准则拟定适合于解决某个问题或某类问题的参数的组合。当待解决的问题比较复杂时,用人工的办法设计ANN是比较困难的。即使小的网络的行为也难以理解,大规模、多层、非线性网络更是十分神秘,几乎没有什么严格的设计规则。Kosmogorov定理阐明在有合理的构造和恰当的权值的条件下,三层前馈网络能够逼近任意的持续函数,但定理中没给出如何拟定该合理构造的办法,研究者只能凭以前的设计经验或遵照这样一句话“问题越困难,你就需要越多的隐单元”来设计ANN的构造。而原则工程设计办法对于神经网络的设计也是无能为力,网络解决单元间的复杂的分布交互作用使模块化设计中的分解解决技术变得不可行,也没有直接的分析设计技术来解决这种复杂性,更困难的是,即使发现了一种足以完毕某一特定任务的网络,又怎能拟定我们没有丢失一种性能更加好的网络呢?到现在为止,人们耗费了大量的时间和精力来解决这一难题,而神经网络的应用也正向大规模、复杂的形式发展,人工设计网络的办法应当抛弃,ANN需要高效的自动的设计办法,GAs则为其提供了一条较好的途径。遗传算法用于ANN的另一种方面是用遗传算法学习神经网络的权重,也就是用遗传算法来取代某些传统的学习算法。评价一种学习算法的原则是:简朴性、可塑性和有效性。普通的,简朴的算法并不有效,可塑的算法又不简朴,而有效的算法则规定算法的专一性、完美性,从而又与算法的可塑性、简朴性相冲突。现在广泛研究的前馈网络中采用的是Rumelhart等人推广的误差反向传输(BP算法,BP算法含有简朴和可塑的优点,但是BP算法是基于梯度的办法,这种办法的收敛速度慢,且常受局部极小点的困扰,采用GAs则可摆脱这种困境。固然,使用GAs能够把神经网络的构造优化和权值学习合并起来一起求解,但这对计算机的解决能力规定很高。2.2遗传搜索技术为什么需要神经网络现在我们所面对的系统越来越复杂,所解决的系统问题也是越来越复杂,用传统GAs中的串表达方式来体现复杂系统的规律性是很困难的。遗传规划中采用了树型构造的表达方式,能够方便地表达问题中的层次性,但对于系统中的反馈信息,这种表达方式也是无能为力的。对许多领域来说,网络或图为复杂问题提供了一种更自然、直观、有效的表达方式。从广义上讲,系统都是以网络的形式存在的,但在诸多问题的描述和建模过程中,往往采用某种解析办法,运筹学中的网络分析仅仅应用于一类明显含有网络形式的工程类问题求解,而将网络作为系统的普通描述办法,并建立对应的模型和求解方略,则是人们正在努力研究的课题[4]。诚然,寻找一种通用的系统的网络表达形式是不明智的,借助现在研究比较成熟的多层前馈神经网络作为遗传搜索的问题表达办法是可行的。图1表达了遗传算法与神经网络的结合。图1遗传算法与神经网络的结合3遗传算法在神经网络学习中的应用3.1神经网络学习的复杂性这里所指的神经网络的学习涉及拓扑构造的学习和权值的学习两个方面。ANN的学习是按照某种组合性能指标,在可能的网络空间上,搜索含有最优性能的网络形式。评价函数的选择普通应考虑下列几个方面的因素:网络的收敛性、泛化能力以及网络的稳定性等。ANN的性能曲面普通是很复杂的,可能的解决单元数目及连接是无界的,因而曲面无限大,解决单元数目离散取值,造成网络的性能是非持续的,故性能曲面是不可微的。枚举搜索办法会碰到网络空间的组合爆炸问题,随机搜索办法在长的搜索过程中也不比枚举搜索办法好,难于发现有用的网络形式。而基于梯度的搜索办法需要较好定义的可微曲面,难以解决含有局部极小点的复杂的欺骗性的问题。对于神经网络来说,GAs所解决的每个个体是单独一种网络,所涉及的参数即网络结点之间的连接权值均为实数,而原则遗传算法所解决的参数是采用二进制编码的整数。即使能够采用二进制编码再转化为实数,但这样引入了量化误差,使参数变化为步进,如目的函数值在最优点附近变化较快的状况下,则可能错过最优点。因此,网络的权值应采用实数表达。然而,神经网络的构造参数普通是整数型的,也就是说,ANN的参数有持续型的,也有离散型的,ANN的学习问题是一非线性混合优化问题,从这一点讲,用普通的优化办法也是不行的,GAs能够方便地表达逻辑值和实数值,且GAs并未规定一定要用数来表达,GAs也能够应用于不好量化的对象,这使GAs在ANN的学习及人工智能的其它领域得到了广泛的应用。3.2面对神经网络权值学习的遗传算法1编码方式:神经网络的权值学习是一种复杂的持续参数优化问题,如果采用二进制编码,会造成编码串过长,且需要再解码为实数,使权值变化为步进,影响网络学习精度。这里我们采用了实数编码,如图2所示,神经网络的各个权值按一定的次序级联为一种长串,串上的每一种位置对应着网络的一种权值。编码为:(0.4,-0.3,2.1,1.3,0.9,-0.6,4.5,-0.1,0.7图2神经网络权值学习问题的编码方式2评价函数f:将染色体上表达的各权值分派到给定的网络构造中,网络以训练集样本为输入输出,运行后返回误差平方和的倒数作为染色体的评价函数,如式1所示。(13初始化过程:初始染色体集中,网络的各权值是以概率分布e-|γ|来随机拟定的,这点有别于BP算法。在BP算法中,初始权值普通取-1.0~1.0之间均匀分布的随机数。遗传算法的这种随机分布的取法是通过以往的大量实验得出的,能够发现,当网络收敛后,权值的绝对值普通都较小,但也有某些权值是较大的。采用以上初始化办法的因素是使遗传算法能够搜索全部可行解的范畴。4遗传算子:对于不同的应用问题,遗传算子的形式多个多样,这里采用了权值交叉和权值变异算子,如图3所示。图3交叉和变异算子的运算权值交叉算子:对于子代染色体中的每个权值输入位置,交叉算子从两个亲代染色体中随机选用若干个交叉位置,并将这一代染色体在交叉位置进行交叉运算,这样子代染色体便含有两个亲代的遗传基因。权值变异算子:对于子代染色体中的每个权值输入位置,变异算子以概率Pm在初始概率分布中随机选择一种值,然后与该输入位置上的权值相加。5选择方式:这里不采用比例选择方式,而使用亲代度量S决定群体中每个个体被选中的概率,群体中的个体以式2所示的概率成为亲代染色体。(2其中P1,P2,P3,…分别表达评价函数最优、次优、第三…的个体的概率。使用实数编码和使用二进制编码之间的重要区别:1每个权重都由单一的实数值表达,因而,重组只能发生在各权值之间。2变异操作是将一种随机值加到现存的权值上,而不是取代它。3普通使用较小的群体。4变异操作的使用率较高,由于交叉不能变化每个权值。5不需要二进制和实数之间的转换。3.3一种改善的算法(MGA在改善的算法(MGA中,我们采用了两种技术来改善3.2中遗传算法的运行性能。1采用自适应交叉率和变异率交叉率Pc和变异率Pm的大小对遗传算法的运行性能有较大的影响,较抱负的状况下,s与Pm的取值应在算法运行过程中随着适应值的变化而自适应变化。我们用适应值来衡量算法的收敛状况,对于适应值高的解,取较低的Pc和Pm,使该解进入下一代的机会增大;而对于适应值低的解,则应取较高的Pc和Pm,使该解被裁减掉;当成熟前收敛发生时,应加大Pc和Pm,加紧新个体的产生。式(3是Pc和Pm随着适应值的变化而自适应变化的计算公式。(3其中kc,km是不大于1的常数,fc是要交叉的两个个体中适应值大的一种,fm是要变异的个体的适应值,fmax,分别是群体的最大适应值和平均适应值,fmax-体现了群体的收敛程度,若此值小,阐明群体已趋向收敛,应加大Pc和Pm。2采用GA与BP的混合技术前述的不采用加速收敛技术的GAs对于全局搜索有较强的鲁棒性和较高的效率,但不适合候选解的精调,难以拟定它们确实切位置。组合GA与BP的目的是避免它们各自存在的问题,综合它们各自的优点,即GA的全局收敛性和BP局部搜索的快速性,使它们更加有效地应用于神经网络的学习中。GA与BP能够有不同的组合办法。这里,我们先使用GA重复优化神经网络的权值,直到平均值不再故意义地增加为止,此时解码得到的参数组合已经充足靠近最佳参数组合,在此基础上再用BP算法对它们进行细调,这种办法的通用性较好。4三种算法在短期地震预报中的应用我们将误差反传算法(BP和3.2中所研究的实数编码遗传算法(GA,3.3中的改善型(MGA三种算法应用于神经网络短期地震预报中,并给出了三种办法的成果比较。地震预测问题的输入空间是一多维空间,选用网络的输入变量时如果输入变量过少,可能引发建模不充足,过多的输入变量则会增加模型输入输出关系的复杂度,并延长网络的收敛时间。本方案中,我们选用前一年的最大震级、最大震级之差、累计能量及累计能量之差为网络的输入,网络的输出是下一年的震级。我们将某地区过去八十年的地震数据解决后,从中取出50个样本构成建模集[6]。网络选用三层BP网络,隐层节点数为30,这个4-30-1网络共有150个可调权值。各层的激发函数均为Sigmoid型函数,这种函数的输出在0~1之间变化,且只有当输出为-∞和+∞,输出才达成0和1,比较适宜的范畴是0.1~0.9,网络的输出也应尽量使Sigmoid型函数工作于非饱和区,因此,首先要对样本进行规整,以符合上述规定。BP算法中,学习率η=0.7;惯性系数α=0.2。实数GA中,群体容量n=40,交叉率Pc=0.12,变异率Pm=0.1,亲代度量S=0.9,各参数在算法运行过程中保持不变。MGA中,常量kc=0.1,km=0.11。三种算法的运行成果如图4所示。图4三种办法的运算成果比较在实验过程中,各个参数的取值以下:实验成果显示了遗传算法快速学习网络权重的能力,并且能够摆脱局部极小点的困扰。组合GA与BP能够改善单纯使用GA拟定的参数组合比较粗糙以及单纯使用BP收敛性差、易陷入局部极小等问题。国家自然科学基金资助项目(79400013,69574022天津市自然科学资助项目(F09523作者单位:天津大学系统工程研究所,天津300072参考文献1BornholdtA.GeneralAsymmetricNeuralNetworksandStructureDesignbyGeneticAlgorithms.NeuralNetworks,1992,5(2:327~3342DavidJJ,FrenzelJF.TrainningProductUnitNeuralNetworkswithGeneticAlgorithms.IEEEExpert,1993,8(5:26~333SchafferJD,WhitleyD(ed..ProceedingsoftheWorkshoponCombinationsofGeneticAlgorithmsandNeuralNetworks1992,LosAlamitos,CA:TheIEEEComputerSocietyPress,19924李敏强,寇纪淞,纪仕光.基于网络描述的系统模型及其管理系统.复杂巨系统理论*办法*应用.北京:科学技术文献出版社,19945刘豹.含糊工程.决策与决策支持系统,1995,5(3:1~5西文于1997年7月16日收到遗传算法与神经网络的结合作者:李敏强,徐博艺,寇纪淞,LiMinqiang,XuBoyi,KouJisong作者单位:天津大学系统工程研究所,天津,300072刊名:系统工程理论与实践英文刊名:SYSTEMSENGINEERING--THEORY&PRACTICE年,卷(期:1999,19(2被引用次数:161次参考文献(5条1.刘豹含糊工程1995(032.李敏强;寇纪淞;纪仕光基于网络描述的系统模型及其管理系统19943.SchafferJD;WhitleyDProceedingsoftheWorkshoponCombinationsofGeneticAlgorithmsandNeuralNetworks199219924.DavidJJ;FrenzelJFTrainningProductUnitNeuralNetworkswithGeneticAlgorithms1993(055.BornholdtAGeneralAsymmetricNeuralNetworksandStructureDesignbyGeneticAlgorithms[外文期刊]1992(02引证文献(162条1.白鹏.宋孝玉.王娟.史文娟.王全九遗传算法优化神经网络的坡面入渗产流模型[期刊论文]-干旱地区农业研究(22.赵金彪.罗建英.何冬燕基于遗传神经网络的乡镇降水量预报办法实验[期刊论文]-气象研究与应用(13.肖治平.吴文全.曾洋遗传BP网络在机载雷达故障诊疗中的应用研究[期刊论文]-计算机测量与控制(14.林贵瑜.李强起重机构造优化设计中仿生算法的研究[期刊论文]-建筑机械化(25.黄涛.杨华高.胡水才遗传算法在有关匹配中的应用研究[期刊论文]-舰船电子工程(36.傅群忠.薛晓中H_∞滤波混合优化RBF在SINS动基座传递对准中的应用[期刊论文]-火力与指挥控制(17.陈全秋.郭勇义.吴世跃.徐玉胜.王灿召遗传算法与神经网络的结合在煤与瓦斯突出危险性预测中的应用研究[期刊论文]-中国煤炭(38.李孝忠.张有伟改善自适应遗传算法在BP神经网络学习中的应用[期刊论文]-天津科技大学学报(49.赵永满.梅卫江.王春林基于IGA-BP神经网络滚动轴承故障的诊疗[期刊论文]-石河子大学学报(自然科学版(310.宋绍云.白金荣人工神经网络中的样本对输出精度影响分析[期刊论文]-价值工程(711.师黎.朱民杰基于遗传算法优化BP神经网络在心电图身份识别中的应用[期刊论文]-中国组织工程研究与临床康复(4312.高延娜.朱道林.陈瑜琦.张晓峰基于遗传神经网络的农村土地征收价格评定模型[期刊论文]-系统工程理论与实践(413.孙知信.夏云安基于混合蚂蚁算法的QoS多播路由算法研究[期刊论文]-通信学报(614.夏长高.陈松.贺建军.金永利电动液压助力转向系统的控制算法研究[期刊论文]-拖拉机与农用运输车(315.王波.刘慧卿.张红玲.于会永.陈红重复压裂选井选层分析办法[期刊论文]-内蒙古石油化工(116.张山.何建农BP神经网络的优化算法研究[期刊论文]-计算机与当代化(117.熊小龙.王洁.牛天林.宋彦学复杂系统故障的综合诊疗模型[期刊论文]-电光与控制(218.李全亮遗传算法与蚂蚁算法的融合在带时间窗的车辆途径问题中的应用[期刊论文]-数学的实践与认识(1519.李伟超.李志刚.杨旭海遗传算法在人工神经网络中的应用[期刊论文]-电子测量与仪器学报(z120.JIAOLibao.彭龑.CHENChunlan基于GA-BP神经网络的人脸检测[期刊论文]-当代电子技术(1621.牛向阳.高成修基于混合编码的混合遗传算法[期刊论文]-数学杂志(422.赵亚鹏.丁以中客户信用评定模型[期刊论文]-上海海事大学学报(223.徐娟.谭长森一种改善的代表个体选择办法的设计[期刊论文]-工矿自动化(424.徐元铭.陈丽华.彭兴林进化神经网络响应面法在构造可靠性中应用[期刊论文]-飞机设计(525.王爽.段红.黄友锐基于改善的活动轮廓模型在图像分割中的应用[期刊论文]-微计算机信息(126.陈一超.曾三友.张好春.全芙蓉基于遗传神经网络的地震预测研究[期刊论文]-计算机应用与软件(428.路建伟.张宏.靳奉阁地面防空作战中敌空袭规模预测模型[期刊论文]-火力与指挥控制(129.陈娟.齐建文基于神经网络的干扰波形优化研究[期刊论文]-微计算机信息(3430.尹克奇.徐小力.吴国新.王为真一种遗传神经网络在烟气机组故障诊疗中应用[期刊论文]-微计算机信息(2531.孙杰.戴月.王爱强基于遗传神经网络的入侵检测系统设计[期刊论文]-微计算机信息(2132.周国亮.刘希玉一种基于进化算法的BP神经网络优化办法及应用[期刊论文]-计算机技术与发展(833.范艳峰.张德贤.何华灿.张红梅遗传算法在烘焙面包品质分类中的研究与应用[期刊论文]-计算机工程与设计(2334.陈光华人工神经网络在证券价格预测中的应用[期刊论文]-计算机仿真(1035.杨宏韬.张德江.李秀兰.王秀英遗传神经网络能耗预测模型在钢铁公司中的应用[期刊论文]-长春工业大学学报(自然科学版(z136.姚才.金龙.黄明策.黄小燕遗传算法与神经网络相结合的热带气旋强度预报办法实验[期刊论文]-海洋学报(中文版(437.郜瑜单亲遗传算法进行树状管网优化[期刊论文]-山西科技(338.郭红梅遗传算法在BP神经网络学习中的应用[期刊论文]-辽宁大学学报(自然科学版(239.甘健胜.陈国龙空间线性组合模拟模型及其实证[期刊论文]-福州大学学报(自然科学版(340.牛向阳基于遗传算法的同时优化算法[期刊论文]-应用数学与计算数学学报(141.张永兵.吴永丽基于人工神经网络的自适应疾病诊疗模型研究[期刊论文]-医疗设备信息(242.牛向阳基于遗传算法和BP算法的混合算法[期刊论文]-河南科技大学学报(自然科学版(143.路建伟.唐松洁.胡建辉.刘己斌基于GA-BP的敌空袭兵力出动量预测[期刊论文]-电光与控制(144.李洪全粒子群算法的改善及应用研究[学位论文]硕士45.李华川空气轴承式板形仪检测辊环构造参数智能优化设计[学位论文]硕士46.王有远.徐新卫.周日贵基于蚂蚁算法的协同产品设计链合作伙伴选择研究[期刊论文]-当代图书情报技术(1147.谈晶.李赤林基于遗传BP网络优化模型的集成化供应链危机预警支持系统[期刊论文]-商场当代化(3048.姜新农.王文香一种基于多物种协同进化的神经网络优化办法[期刊论文]-计算机工程与应用(1549.荣晓敏.徐元铭.吴德财复合材料格栅构造优化设计中的计算智能技术[期刊论文]-北京航空航天大学学报(850.文俊.李靖.王龙.郑垂勇基于遗传神经算法的区域水资源预警办法研究[期刊论文]-生态经济(751.赵益军基于遗传算法与神经网络相结合的区域水资源承载力综合评价[期刊论文]-山东大学学报(工学版(452.ZHUYan.LUYingrong.LIQianMW-OBS:AnImprovedPruningMethodforTopologyDesignofNeuralNetworks[期刊论文]-清华大学学报(英文版(353.蒋云霞.蔡嗣经神经网络与遗传算法结合在矿业评价中的应用[期刊论文]-辽宁工程技术大学学报(554.代志龙.张小平.胡润芝基于遗传算法与人工神经网络相结合的固体推动剂燃速计算[期刊论文]-计算机与应用化学(755.王宪全.陈李刚基于遗传算法和BP神经网络的信用风险测量模型[期刊论文]-哈尔滨工业大学学报(社会科学版(556.荣晓敏.徐元铭.吴德财进化神经网络在复合材料格栅构造设计中的应用[期刊论文]-固体火箭技术(457.李彬.毛一之.李新改善蚂蚁算法在电力变压器优化设计中的应用[期刊论文]-变压器(358.韩锟.潘迪夫基于混合算法的机车二系弹簧载荷调节优化办法[期刊论文]-中国铁道科学(259.刘建娟.徐晓苏.刘锡祥遗传优化小波神经网络在组合导航系统中的应用[期刊论文]-中国惯性技术学报(260.李伟超.宋大猛.陈斌基于遗传算法的人工神经网络[期刊论文]-计算机工程与设计(261.卢长娜.王如云.陈耀登自适应遗传算法[期刊论文]-计算机仿真(162.翁国栋蚁群算法与遗传算法对TSP的一种融合[期刊论文]-福建电脑(263.王琪.张伟都市环境质量定量评价办法[期刊论文]-环境科学与管理(264.蔡钦基于GAAA算法的给水管网优化设计研究[学位论文]硕士65.蒋云霞基于GIS的区域矿业经济研究及在青海省的应用[学位论文]博士66.邢五丰基于归纳学习的构造损伤识别办法研究[学位论文]硕士67.于同洋基于BP神经网络的营销风险评定研究[学位论文]硕士68.闫滨大坝安全监控及评价的智能神经网络模型研究[学位论文]博士69.陈明智能故障诊疗办法的若干研究[学位论文]硕士70.李斌同时优化办法应用于个人信用评定的理论及实证研究[学位论文]硕士71.聂建林数控刀具寿命智能化管理系统的研究[学位论文]硕士72.陈斌基于遗传优化神经网络的普通投资回报率预测[学位论文]硕士73.商建东基于产品功效特性模型的方案智能设计核心技术及应用研究[期刊论文]-中国机械工程(1074.屈建伟.李腊元一种混合蚂蚁算法及其在QoS多播路由中的应用[期刊论文]-武汉理工大学学报(交通科学与工程版(675.张锋.卿粼波.王旭阳.滕奇志.何小海基于遗传算法和蚂蚁算法的图象分割[期刊论文]-四川大学学报(自然科学版(476.蔡自兴.孙国荣.李枚毅基于改善遗传算法的多示例神经网络优化[期刊论文]-计算机应用(1077.商建东基于GA的仪表新产品功效构造方案推理机模型核心技术研究[期刊论文]-计算机研究与发展(978.金龙.吴建生.林开平.陈冰廉基于遗传算法的神经网络短期气候预测模型[期刊论文]-高原气象(679.吴建生.金龙.农吉夫遗传算法BP神经网络的预报研究和应用[期刊论文]-数学的实践与认识(180.覃方君.田蔚风.李安.卞鸿巍基于遗传算法的神经网络控制器在导航系统中的应用[期刊论文]-计算机仿真(181.史永胜.宋云雪用遗传算法改善的BP模型在刹车系统诊疗中的应用研究[期刊论文]-飞机设计(182.杨杰基于数据挖掘技术的储层参数建模[学位论文]硕士83.李俊泉基于人工心理动力脑的智能控制器的研究与应用[学位论文]硕士84.刘雨青桥梁构造模态参数识别与应用研究[学位论文]博士85.沈显峰多组元金属粉末直接激光烧结过程数值模拟及烧结区域预测[学位论文]博士86.彭沛夫遗传融合的自适应蚁群算法最优PID控制研究[学位论文]硕士87.吴建发优选压裂井办法研究[学位论文]博士88.张中英基于遗传算法的机器人神经网络控制系统[学位论文]硕士89.曹俊琴一种基于思维进化算法的神经网络求解机器人逆运动学问题[学位论文]硕士90.镇方雄基于改善遗传算法的多层神经网络BP算法研究[学位论文]硕士91.姜尔超聚合物分子量分布的多变量动态系统模型的建立与控制[学位论文]硕士92.屈建伟QoS多播路由算法及仿真研究[学位论文]硕士93.安世奇简朴自适应控制的应用研究[学位论文]博士94.张凤娟气液两相流流型辨识研究及在轴承腔中的仿真实现[学位论文]硕士95.仝凌云遗传算法在供应链建模与优化中的应用研究[学位论文]博士96.苏小红基于人工神经网络的燃气短期负荷预测研究[学位论文]硕士97.史雅楠基于模态参数敏感性的建筑构造损伤识别[学位论文]硕士98.刘国燕.徐晓苏.白宇骏递阶遗传-H∞滤波混合优化的前向神经网络在捷联惯导对准中的应用[期刊论文]-中国惯性技术学报(199.马祥森.史治宇基于GA-BP神经网络的构造损伤位置识别[期刊论文]-振开工程学报(4100.叶家军.刘沐宇.黄文雄混合GANN模型在路面状况指数预测中的应用[期刊论文]-武汉理工大学学报(12101.王勇.马立新.徐建平.王雨一种基于免疫算法的入侵检测语言模型[期刊论文]-上海电力学院学报(4102.杨鹏.代冀阳.赵文龙基于遗传算法的参数优化在控制器设计中的应用[期刊论文]-南昌航空工业学院学报(自然科学版(4103.宋斌.王军.张培海.于萍.罗远柏含糊遗传算法的神经网络办法在变压器故障诊疗中的研究[期刊论文]-华中电力(6104.孙晓燕.巩敦卫基于递阶遗传算法的BP网络构造设计与权值训练[期刊论文]-自动化技术与应用(5105.付道明.孙军.贺志刚.岑广远.喻西崇预测腐蚀管道剩余强度的新办法[期刊论文]-油气储运(4106.姚文俊基于遗传算法的故障诊疗的研究[期刊论文]-微计算机应用(3107.刘沐宇.黄文雄.叶家军京珠高速公路路面使用性能的混合GANN评价[期刊论文]-武汉理工大学学报(交通科学与工程版(1108.姚文俊基于遗传算法的BP网络优化研究[期刊论文]-武汉化工学院学报(3109.王勇.徐建平.李志斌.刘建华一种基于遗传算法的入侵检测模型[期刊论文]-上海电力学院学报(3110.南国芳电阻抗断层成像的神经网络模型[期刊论文]-模式识别与人工智能(1111.陈海英.郭巧.徐力基于混合遗传神经网络的百米跑成绩预测办法[期刊论文]-计算机仿真(2112.谢春娣.梅家斌基于混合编码的同时优化方略[期刊论文]-纺织高校基础科学学报(1113.黄贤锋.陈卫.谭营雷达信号识别的GANN办法[期刊论文]-电子对抗技术(1114.张艳基于BP算法和遗传算法的自适应噪声抵消器[学位论文]硕士115.赵胜利基于计算智能办法的岩土工程与工程网络计划的应用研究[学位论文]博士116.熊军遗传算法的若干改善研究与应用[学位论文]博士117.田雨波计算智能的电磁应用[学位论文]博士118.隋伟莹反倾销产业损害含糊综合评判模型——含糊聚类和含糊神经网络办法的应用[学位论文]硕士119.刘志华冷连轧动态变规格原理及轧制力预设定的研究[学位论文]硕士120.刘守生遗传算法与小波神经网络中若干问题的研究[学位论文]博士121.刘国燕SINS/GPS组合导航系统中智能信息解决融合技术的应用与研究[学位论文]博士122.廖林峡嵌入式智能节点的设计与实现[学位论文]硕士123.简炜物流过程的建模和优化办法研究[学位论文]博士124.谷晓平GPS水汽反演及降雨预报办法研究[学位论文]博士125.丁建立基于蚂蚁算法的智能优化算法研究[学位论文]博士126.徐雪松基于人工免疫系统的函数优化及其在复杂系统中的应用研究[学位论文]博士127.丁建立.陈增强.袁著祉基于混合蚂蚁算法的网络资源均衡与优化[期刊论文]-仪器仪表学报(z1128.喻西崇.赵金洲.吴应湘.邬亚玲运用改善的神经网络预测腐蚀管道的剩余强度[期刊论文]-压力容器(10129.朱兴德.冯铁军基于GA神经网络的个人信用评定[期刊论文]-系统工程理论与实践(12130.李智勇.童调生基于多物种进化遗传算法的神经网络进化设计办法[期刊论文]-系统仿真学报(6131.姚文俊基于遗传算法的故障诊疗的研究[期刊论文]-当代电子技术(23132.饶文碧.徐锐.尚钢基于遗传算法的构造损伤识别[期刊论文]-武汉理工大学学报(7133.李智勇.童调生基于多物种进化遗传算法的神经网络构造学习办法[期刊论文]-计算机工程与应用(22134.喻西崇.赵金洲