郑艺丁[1]2001年在《遗传神经网络的综合进化研究》文中研究表明论文在目前关于神经网络、模糊逻辑、遗传算法叁种计算智能相互结合的研究基础上，提出了一种基于遗传原理的二阶段神经网络综合进化算法。 此算法在对神经网络的连接权训练的同时，应用二阶段优化策略对各神经元激励函数进行选择，并对其参数进行优化学习。论文采用叁层前向网络来对PH值CSTR系统进行仿真研究，利用遗传算法的进化能力寻找网络中S型函数和RBF函数的最优组合，并同时调节连接权和激励函数的参数，仿真结果表明，具有优化组合激励函数的神经网络较之固定激励函数的神经网络在训练和测试精度上都有较大的提高，并表现出更好的泛化能力。 论文还针对实际对象的特性大都是不对称的现象，研究了模糊神经网络隶属度函数的改进问题，提出采用不对称高斯函数来替代高斯函数以改进模糊神经网络性能的方法，并引入遗传算法来对模糊推理层与清晰化层之间的连接权，以及模糊化层的隶属度函数(不对称高斯函数)的中心点C和左右半径σ1、σ2同时进行学习。仿真结果显示，具有不对称隶属函数的模糊神经网络较之普通模糊神经网络具有更高的精度。 研究表明，神经网络中的激励函数和模糊神经网络中的隶属度函数与仿真对象的非线性特征有着密切的关系，它们的选择，组合，改进对网络的性能有显着的影响，是研究神经网络理论的一个重要方面。
李晔[2]2007年在《基于一种改进遗传算法的神经网络》文中研究表明随着时代的发展，科技的进步被控对象变得越来越复杂，其过程机理有许多不明之处，致使基于数学模型的传统控制方法难以奏效，因此提出很多智能控制方法，其中神经网络控制是解决这些问题的有效途径，可用来处理不确定性的复杂系统，神经网络虽然具有自学习能力，但其内部机理不很明确，知识表达困难。针对神经网络存在的不足，又考虑现在优化算法中，遗传算法具有鲁棒性、随机性、全局性、适于并行处理的优点，本文提出用遗传算法优化神经网络，弥补神经网络的不足。遗传算法是目前应用最广的优化搜索算法之一。目前，遗传算法已经在许多领域得到了应用，如函数优化、模型优化、结构优化、工业生产、图像处理等等。但基本遗传算法易于陷入局部最优，在有些时候收敛速度过慢，这使得基本遗传算法很难找到全局最优。如何能够使遗传算法尽可能快地跳出局部最优和如何能够提高遗传算法的收敛速度，是近年来遗传算法研究领域的热点。本文针对简单遗传算法(SGA)应用过程中所存在的不易收敛、结果常常陷入局部最优、编码方式存在解码误差、收敛速度慢等缺点，提出使用一种基于排序选择的改进遗传算法，并用其进行智能控制器的参数寻优。遗传算法的选择、交叉以及变异，每个环节的实现策略的改变都会对整个遗传算法的寻优性能产生重要影响；而且需要其它环节做出相应的调整，才能达到比较理想的提高遗传算法寻优能力的目的。基于上述原因，提出基于排序选择的改进遗传算法。所谓排序选择方法是指在计算出每个个体的目标值后，根据目标值的大小顺序对群体中的个体进行排序，适应度仅取决于排序后的个体在种群中的位置，并且每个个体的选择概率等于根据它所处的位置按某种规律计算出来的概率。用改进的遗传算法优化调整神经网络的权值，将优化所得参数作为神经网络的初始权值。这种针对神经网络控制器的结构特点，用遗传算法训练优化网络权重，得到的复合智能控制器具有很好的特性，既保留了遗传算法的强全局随机搜索能力，又具有神经网络的鲁棒性和自学习能力，并且可兼有神经网络广泛映射能力和遗传算法快速全局收敛等性能。将基于改进遗传算法的神经网络控制器用于二级倒立摆系统，通过仿真结果的研究表明，基于排序选择的改进遗传算法在神经网络权值寻优中，能够充分发挥其全局寻优的特点，且能够很好的弥补BP算法训练时间长，响应速度慢的不足。
左俊[3]2007年在《基于遗传神经网络的大气质量检测及评价研究》文中指出随着社会经济持续增长和现代化工业的不断发展，城市环境问题日趋严重，中国要深入贯彻可持续发展战略，就要重视环境问题。为了有效地治理大气污染，首要的问题是必须对大气环境质量做出科学、客观的评价。这对客观认识城市大气污染现状，预测其发展趋势，并且有效地进行大气污染控制，实施可持续发展战略具有重要意义。本文根据“基于遗传神经网络的大气质量检测及评价研究”的课题需要，在深入研究数据融合理论和方法、遗传算法、神经网络、模糊逻辑规则的基础上，分别进行了以下研究。本文利用数据融合理论探讨了人工神经网络应用于数据处理中的可行性以及相应的改进方案，论证了神经网络与遗传算法结合的优势，并在此基础上，实现了遗传算法和神经网络结合的实验仿真，用神经网络的自学习性和自组织性来实现数据融合。经过结果分析，得出遗传神经网络算法优于传统的神经网络算法的结论，从而建立了基于遗传神经网络的大气质量检测模型。大气环境质量评价方法多种多样，关键在于评价方法和模型的合理选择和建立。本文通过结合模糊系统与神经网络的优缺点以及对遗传算法的改进，提出了用遗传神经网络来构造模糊系统，设计了改进型模糊遗传神经网络模型。在收集西安市城东工业区以及西安市近几年来大气监测数据以及有关资料的基础上，经过大量的仿真实验，得出基于遗传神经网络的大气质量检测及评价模型。通过分析研究其他的大气环境质量评价方法，结果表明该方法与别的评价方法相比，具有客观、科学、简便和精确的优势，所得结果与实际大气环境质量相符合，具有很强的实用价值，为实现智能化的实时大气质量检测以及评价打下了良好的基础。
吴建发[4]2005年在《优选压裂井方法研究》文中研究指明针对目前压裂选井中存在的盲目性和主观性的技术问题,根据压裂选井时,油田压裂效果受多种因素的影响,各种影响因素与压裂效果之间的关系较为复杂,而且不同的影响因素在不同的层次上对压裂效果有不同程度的影响的特点,运用现代数学方法和计算机技术,从增产潜能、压裂工程条件和地质因素入手,详细研究了各种优选压裂井的方法。主要取得了以下的研究成果: (1) 利用灰色关联分析法和模糊排序法确定出优选压裂井的主要影响因素。通过遗传神经网络结合忽略输入参数法研究输入参数与输出(压后产量)之间的相关关系,从而证明灰色关联分析法和模糊排序法确定的优选压裂井主要影响因素是正确的。 (2) 优选压裂井数据库中的数据记录可能不准确或不完整,不能反映地层真实情况。本文研究了模糊聚类方法结合模糊神经分类系统,筛选出了好的数据记录,在优选压裂井时使用。 (3) 深入研究了优选压裂井的模糊数学模型,包括:优选压裂井的模糊综合评判模型、优选压裂井的模糊决策模型、优选压裂井的模糊分析模型、优选压裂井的模糊综合决策模型、优选压裂井的灰色关联分析模型。应用层次分析法确定了压裂选井主要影响因素的权重。深入探讨了影响压裂成功率的主要因素和权重。 (4) 本文研究改进了神经网络的训练算法并且研究了提高神经网络泛化能力的方法,确定了优选压裂井神经网络的结构和初始参数。利用筛选出的数据集对神经网络进行训练和测试,最终利用该神经网络优选了中原濮城油田沙叁中的压裂井。 (5) 对传统的模糊神经网络进行了改进,最终形成准确性较高、全局收敛性较好、解释能力较强、适用范围广的高木—关野模糊神经网络。并成功地用改进的高木—关野模糊神经网络优选了压裂井。 (6) 改进了遗传算法的遗传算子和适应度函数,确定了优化神经网络结构和权值的遗传算法的主要参数,并成功运用改进的遗传算子和适应度函数优化了压裂选井神经网络的结构和权值,利用该神经网络优选了压裂井。计算实例表明,优化了结构和权值的神经网络收敛性能好,泛化能力强,训练时间短,计算精度高。 (7) 将各种优选压裂井的方法进行了对比,分析了其优缺点,以便在不同的需要下使用不同的选井方法。对比结果表明,模糊数学方法简单易用,但权重不易确定,且只能实现部分量化。遗传神经网络泛化能力强,计算时间短、精度高。 应用本文研究的优选压裂井方法优选中原濮城油田沙叁中的压裂井,压裂实践证明优选出的压裂井压后增产潜力大,压裂有效率和成功率高。本文的研究成果在油田有一定的实用价值,可以推广使用。
黄万夫[5]2008年在《基于WebGIS的枣树病虫害诊断系统的研制》文中进行了进一步梳理枣树为我国第一大干果树种,也是重要的药用植物和生态经济林树种。随着枣树栽培面积和规模的迅速扩大,枣树病虫害的发生和危害也逐年严重。陕北枣区是我国重要的产枣基地之一,面积和产量约占陕西红枣面积和产量的75%以上,其主要病虫害包括:枣锈病、炭疽病、枣缩果病、果腐病、枣褐斑病、枣叶黑斑病、枣疯病七种病害和桃小食心虫、枣黏虫、枣尺蠖、枣飞象、日本龟蜡阶、枣瘿蚊、黑绒金龟、大灰象甲、茶翅蝽九种虫害。以此为研究对象,利用现代化的网络信息技术,开发陕北枣树病虫害诊断系统,是我国果品生产由传统生产模式向现代农业生产管理模式发展的迫切要求,对推动地方经济发展也具有重要的现实意义。主要研究内容如下:(1)分析陕西省枣树病虫害的基本情况,探讨实现枣树病虫害的诊断方法。模拟专家的思维,分别使用遗传神经网络和权重迭加的方法建立枣树病虫害诊断模型。基于遗传神经网络的诊断模型将人工神经网络技术与遗传算法相结合,以症状和害虫特征作为输入,所引发的病虫害作为输出,从诊断信息中提取诊断规则作为训练样本对诊断网络进行训练,分别训练出枣树病害诊断网络模型和枣树虫害诊断网络模型。实验结果表明该模型具有较好的诊断效果。基于权重迭加的诊断模型利用专家打分、权重迭加的方法进行枣树病虫害诊断,实验结果证明该诊断模型具有较好的通用性。(2)WebGIS应用模块的研究。本系统采用SVG技术和AJAX技术开发并实现基于客户端的WebGIS。该模块具有缩放漫游、专题图显示、属性信息查询等功能。用户可以查看主要病害在全国范围内的分布情况,并查询陕北枣区主要县区的枣树品种、温度等基本资料信息。(3)基于WebGIS的枣树病虫害诊断系统开发研究。该系统遵循J2EE标准,具有枣树病虫害的浏览、查询、诊断等功能。其中,Web层采用成熟的STRUTS框架,实现MVC模式。诊断模型的主要算法采用EJB技术实现,更有利于诊断网络模型算法的更新与移植。系统还提供文本查询功能和图片查询功能,用户可以根据自己需要,方便的查找到相关的病虫害信息。本系统的开发,为我省枣树病虫害的诊断提供了快捷、高效的网络工具。是信息处理技术与农业的有机结合,是利用计算机技术研究病虫害诊断和防治问题的一种有效途径。
刘永[6]2007年在《遗传前馈神经网络盲均衡算法的研究》文中研究表明现代通信系统中，由于信道衰落、多径传播、同频及邻频干扰等因素的存在，使得信道产生严重畸变，从而导致码间干扰的产生，降低了系统性能。盲均衡技术的采用极大地抑制了码间干扰，提高了系统特性。盲均衡技术是指不借助训练序列，而仅利用接收序列本身的先验信息就能自动收敛的自适应均衡技术。它能有效地补偿信道的非理想特性，克服码间干扰，减小误码率，提高通信质量，已成为当前飞速发展的数字通信领域的一个研究热点。在高速数据传输环境下，由于完全的线性信道是不存在的，因而针对线性信道处理的算法就会失效。因此非线性信道的盲均衡技术就成为亟待解决的难题。多层人工神经网络形成一个静态网络，可以映射静态输入到静态输出，因而人们将目光逐渐转向基于神经网络非线性特性的盲均衡算法。传统的前馈神经网络盲均衡算法在解决盲均衡问题上取得一定的成绩，算法可用于线性或非线性信道，同时克服了信道阶次不确定性带来的影响，对加性噪声也具有一定的容错性。然而基于神经网络本身的特性，它们只对局部搜索有优势，对于有多个极值的情况，容易陷入局部极小。遗传算法是一种全局并行的随机搜索方法，具有较强的鲁棒性和全局收敛能力，本文在总结神经网络盲均衡算法缺陷和局限性的基础上，针对神经网络的结构以及网络权值的优化等方面将遗传算法引入神经网络盲均衡，并通过大量的仿真实验验证了提出的算法的有效性。论文的主要成果包括：(1)在分析总结神经网络盲均衡算法缺陷和局限性的基础上，针对神经网络的结构及网络权值的优化等方面提出新的方法和思路，确定了神经网络盲均衡算法与遗传算法的结合点。(2)针对传统遗传算法的弊端，文中提出了一种新型保持种群多样性的遗传算法，并分别将该算法用于神经网络盲均衡器的权值及其结构的优化，并先后对PAM及QAM信号进行仿真，结果证明了相对于神经网络盲均衡算法，两种改进算法在收敛速度及其剩余误差等性能指标方面均有所改善。(3)归纳和总结了传统遗传算法对神经网络结构优化的缺陷和局限性，而且为了避免传统遗传算法存贮量大、运行时间长和操作复杂的弊端，本文采用精英紧凑遗传算法来实现对网络结构的优化。仿真结果表明，该算法在线性和非线性信道不仅提高了收敛速度，而且获得更小的剩余误差。
陈安平[7]2011年在《基于并行算法的模糊综合评价模型的设计与应用》文中指出计算机决策支持系统(DSS)是以计算机为工具,应用领导科学及有关决策的理论和方法,为决策提供各种信息,以人机交互方式辅助决策者进行科学决策的计算机应用系统。包括数据库、模型库、知识库、方法库及相应的管理系统等。在决策支持过程中,模型库发挥了举足轻重的作用：决策支持系统设计成功的关键步骤之一是选择高效、合理的模型库。然而,决策支持系统中的模型通常种类繁多、变化频繁,针对这一问题,本文主要研究了综合评价决策支持系统中优化模型的设计与应用。现有的综合评价方法主要有层次分析法、主成分分析法、数据包络分析法、模糊综合评价法,人工神经网络以及综合运用多种方法建立的评价方法。其中,模糊综合评价法和神经网络是目前使用比较广泛的综合评价方法,本文在深入研究以上几种评价方法的基础上,引入并行算法,提出了基于并行遗传神经网络的模糊综合评价模型。具体地,本文首先概述了综合评价决策支持系统的基本理论；然后对模糊综合评价法、神经网络、遗传算法以及并行算法等进行了研究；接着,针对企业综合实力评价的要求和特点,建立了基于并行遗传神经网络的模糊综合评价模型。该模型以模糊层次综合评价法为基础,用BP神经网络确定权重向量,并利用遗传算法的全局寻优能力确定网络初始最优权值和阈值以提高网络的训练速度,解决BP算法对初值敏感、容易陷入局部最优等缺点。然而,遗传算法本身是一种耗时算法,鉴于其固有的并行性,引入并行算法来加快遗传算法的收敛速度；最后把该模型的性能和评价效果与模糊层次综合评价模型、基于BP神经网络的综合评价模型、以及基于遗传神经网络的模糊综合评价模型的性能和评价效果进行了详细的比较分析。实例证明,综合考虑时间效率和评价结果,本文所提出的基于并行遗传神经网络的模糊综合评价模型优于其他同类方法。
赵静[8]2008年在《沥青路面的使用性能评价和预测模型》文中提出自1984年我国引进的沥青路面养护管理系统开始,路面管理系统已经取得了极大的应用和发展,不仅为我国路面管理各部门提供了科学的分析工具和方法,也有效利用有限资源,为提供具有足够服务水平的路面做出科学的管理和决策。路面使用性能的评价和预测作为路面管理系统中重要的部分,是了解路面状况以及使用性能的变化规律,做出合理的对策,制定相应的养护改建措施的基础。因此,路面使用性能的评价和预测模型的建立和实现是路面管理系统实现的关键。本文以沥青路面的使用性能的评价和预测作为研究重点,首先详细介绍了路面常用的各单项性能指标以及相应的规范要求作为文章研究的基础内容。在分析和总结国内使用性能评价和预测模型的研究现状基础上,论述各种模型的优缺点。以最常用的回归模型为例,详细说明该模型在对路面性能进行评价当中存在的问题。当代智能技术的兴起和发展,使得以往很多难以解决的问题得到了进一步研究,BP神经网络作为这一技术的一个分支,可以用于处理具有大量模糊信息,以及不确定数据的复杂系统,而公路在快速发展过程中也越来越显现出这种复杂性和不确定性,因此本文将BP神经网络的模型结构运用在路面工程中,并发现了这种结构所表现出的优势,然而该算法也不是完全没有缺陷,为了弥补这种不足,本文在参阅大量文献后,将遗传算法引入,优化神经网络的权阈值,通过路面的实测数据验证,这种方法不仅可以充分利用神经网络在处理复杂模糊系统时所表现出来的高度非线性,良好容错力以及强大的自组织,自学习,自适应等优良的特性,而且也克服了BP算法在训练过程中容易陷入局部极小等固有缺陷。在路面使用性能预测模型的建立方面,同样采用了BP网络同遗传算法相结合的方法,以平整度标准差,路面强度指数,路面横向力系数以及交通量,行车环境这叁项作为网络的输入,来预测路面状况指数。评价和预测模型都以实际数据作为验证其有效性的基础,经过反复的训练,测试发现该模型确实具有良好拟合精度,并且模型的外推性能好,结构的建立也不复杂,对路面使用性能来说,是一种很有效的评估手段。本文以MATLAB7.0作为主要的编程工具,并且应用了MATLAB程序中自带的神经网络工具箱来实现BP网络结构的建立,遗传算法的优化是应用谢菲尔德大学开发的遗传算法工具箱实现的。模型的建立主要是将遗传算法用于优化神经网络的权值和阈值,并将最终优化得到的一组权阈值赋给神经网络进行训练最终可以使得网络跳出局部最小区域,以较少的迭代次数达到收敛。
姚志红[9]2007年在《多元共生遗传算法研究及其在藻类智能模式识别中的应用》文中提出遗传算法是生物进化的思想和计算机科学相互结合渗透而成的一种新的软计算方法，是一种自组织、自适应、自优化的综合策略。近年来，该算法的理论和应用研究取得了不同程度的成功和进展，使其广泛应用于计算机科学、自动控制、组合优化、图象及信号处理、人工生命、管理科学和社会科学等许多领域。这一方面反映了其适应于自然科学与社会科学发展需要，另一方面自然科学与社会科学发展也对该算法提出了更高的要求。本文在应用遗传算法处理实际工程的过程中，面对实际出现的问题对遗传算法进行了比较深入系统的研究探讨，探索提出了一种多元共生思想方法来指导改进。在分析基本算法的基础上，指出了提高算法性能的关键所在，进而对算法进行了多层次多元化的改进并提出了相应的新算子、新算法和新策略。全文依照简单、协同和多元共生叁个递进层次对遗传算法进行了深入的研究和改进，并最终将其成果与神经网络等智能方法相结合，应用于藻类智能识别与预测的工程项目之中。主要工作特色和成果包括以下几个方面：1．通过对基本遗传算法进化机理分析和比较应用，揭示了存在的问题，指出了存在的主要缺陷及其产生的原因，提炼出影响遗传算法性能的六个主要因素、叁个动态平衡关系，这些核心问题对遗传算法性能改进具有重要探索意义，为遗传算法的改进方向、研究重点提供了可供参考的思路。2．按照简单适用的主导思想，从提高影响遗传算法性能的第一核心要素——个体的多样性出发，对基本遗传算法展开研究，提出了几种改进遗传算子。其中，提出的α~0可变交叉算子从基因错位切入，从根本上解决了进化后期常出现的停滞不前的问题：混合交叉算子侧重于适应进化全过程中不同的阶段对多样性的不同交叉要求；指出了环境对变异的不可忽视作用，并融入动量原理，提出了一次变异多个产出的概念，由此设计了冲突复合自适应变异算子。3．为了解决多目标优化问题，从提高影响遗传算法性能的第二要素——解空间处处可达性、且兼顾多样性的角度出发，研究了协同遗传算法。一方面采用基于确定性排挤机制的小生境方法取代常规选择方法，发挥其有方向地淘汰劣势群体的优势，控制选择压力，保持全局搜索能力：另一方面，提出并构造了自适应一维势箱交叉算子、共生平衡交叉算子和暂态自适应算子等新的算子。这些算子改变了小修小补方法，以全新的形式出现，均具有优先交配能力、随机强度调节和自适应强度调节能力，从而保证了在小范围内的精确求解和全局的最优值获取。4．为了解决复杂对象的优化问题，研究了全方位提高遗传算法性能的方法——。多元共生遗传算法。首先提出了一种新的小生境算法，也就是降维差异选择方法，该算法比已有的小生境方法CF排挤机制完整，比共享机制简单，因此实现更容易，而且可靠；然后探索提出了伦理遗传结构形式和多元共生遗传结构形式，为遗传算法结构改进研究做了新的尝试。该两种形式及其相应的改进算法旨在从多元、整体优化的角度对遗传算法展开研究，通过各个分算子和多个种群的多元冲突、融合、协作和互补等方式有机地结合，促使遗传算法各个步骤本身的优化，并形成整体上更加优化的算法。此外，在设计方法上，多元共生算法具有独到之处。它是一种具有可塑性的变结构方法，可以根据应用对象的不同，组成复杂度不同的整体结构，其灵活性提高了算法应用的便利程度和适应性。5．研究了遗传算法和神经网络结合的建模问题，提出了一种神经网络分级优化方法，设计了基于改进新算子的串并联遗传优化步骤：将提出的几种改进遗传算法成功地应用于神经网络的结构和参数混合优化之中：为了解决藻类神经网络识别过程中输入数据极其缺乏的问题，研究了海洋赤潮和湖泊蓝绿藻的显微图像预处理方法，提出了一种针对藻类的快速去噪算法，为神经网络识别提供了必要的输入数据来源：通过数值实例检验比较和藻类应用实验比较，初选出适用于藻类识别和预测的叁种较优的改进遗传神经网络算法。6．对所提出的改进遗传算法和改进遗传神经网络(GANN)进行了整体检验，结合工程上的具体要求，针对典型藻类建模和生长状态预测，测试了改进遗传算法及其遗传神经网络的性能：将选定的GANN用于优势藻类的识别，获得了十余种藻的数量和数量增长时空特性，填补了部分优势藻生长特性资料的空白；进一步将选定的GANN用于藻类爆发性生长的预测实验，取得了满意效果。
杨二静[10]2007年在《人工神经网络和遗传算法在岩土及结构工程中的应用研究》文中指出在岩土及结构工程中存在大量的不确定性问题，目前对这些问题的求解方法主要有模糊数学、灰色理论、人工神经网络和遗传算法等。本文主要对人工神经网络、遗传算法以及两者的混合在岩土及结构工程中的应用，进行了一次较为全面的总结，目的在于：指导工程人员借鉴前人经验，克服缺陷，更好地解决面临的工程问题；为这叁种方法在岩土及结构工程中的应用和发展起到推动作用。人工神经网络方面包括岩土与结构材料参数选取及分类、桩基工程、基坑工程、工程稳定性、优化设计及工程可靠度分析六大方面的研究综述及应用实例。遗传算法方面包括工程反分析、材料参数选取及本构模型识别、结构优化设计、地基工程、边坡稳定性、工程可靠度分析及基础工程六大方面的研究综述及应用实例。混合算法方面按照人工神经网络与遗传算法结合的机理不同分为遗传算法改进人工神经网络、人工神经网络进化遗传算法及人工神经网络与遗传算法相互合作叁大方面，并对每个方面分别综述且附有实例。文中对部分实例进行了分析和评价。总结当中，我发现了人工神经网络及遗传算法当中存在的一些问题，分析了解决措施，并提出一些自己的观点。
参考文献：
[1]. 遗传神经网络的综合进化研究[D]. 郑艺丁. 北京化工大学. 2001
[2]. 基于一种改进遗传算法的神经网络[D]. 李晔. 太原理工大学. 2007
[3]. 基于遗传神经网络的大气质量检测及评价研究[D]. 左俊. 大连理工大学. 2007
[4]. 优选压裂井方法研究[D]. 吴建发. 西南石油学院. 2005
[5]. 基于WebGIS的枣树病虫害诊断系统的研制[D]. 黄万夫. 西北农林科技大学. 2008
[6]. 遗传前馈神经网络盲均衡算法的研究[D]. 刘永. 太原理工大学. 2007
[7]. 基于并行算法的模糊综合评价模型的设计与应用[D]. 陈安平. 广州大学. 2011
[8]. 沥青路面的使用性能评价和预测模型[D]. 赵静. 大连理工大学. 2008
[9]. 多元共生遗传算法研究及其在藻类智能模式识别中的应用[D]. 姚志红. 上海大学. 2007
[10]. 人工神经网络和遗传算法在岩土及结构工程中的应用研究[D]. 杨二静. 广西大学. 2007
标签：自动化技术论文; 人工神经网络论文; 遗传算法论文; 模糊算法论文; 网络模型论文; 自组织神经网络论文; 模糊理论论文; 系统评价论文; 能力模型论文; 网络结构论文; bp神经网络算法论文;