基于实数编码遗传算法的神经网络成本预测模型及其应用

被引：12

作者：

刘威

李小平

毛慧欧

柴天佑

机构：

[1] 东北大学自动化研究中心

来源：

控制理论与应用 | 2004年 / 03期

基金：

国家科技攻关计划;

关键词：

成本预测; 遗传算法; 神经网络; 实数编码;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

在生产过程中,影响产品成本的因素多而复杂,因素之间相互影响,存在耦合现象,因此准确预测成本是一个重要又难以解决的问题.通过遗传算法(GeneticAlgorithm)与误差反向传播(ErrorBackPropagation)神经网络相结合,提出了用实数编码的自适应变异遗传算法训练神经网络权重的混合算法,避免了传统神经网络易陷入局部极小的缺点.以矩阵形式表示产品成本组成,建立了产品成本组成模型,以此为基础建立了考虑成本因素之间互相影响的神经网络产品成本预测模型,并成功应用于某钢铁企业产品成本的预测,提高了预测精度.

引用

页码：423 / 426+431 +431

页数：5