基于RBF神经网络的最经济控制研究

被引：3

作者：

陈以

万梅芳

机构：

[1] 桂林电子科技大学计算机系

来源：

微计算机信息 | 2010年 / 26卷 / 02期

关键词：

最经济控制; RBF神经网络; 遗传算法; 代价函数;

D O I：

暂无

中图分类号：

F0 [经济学]; TP183 [人工神经网络与计算];

学科分类号：

0201 ;

摘要：

为有效解决系统的最经济控制问题,本文提出将系统的经济收益问题转换为对系统控制结构和参数的优化问题。首先提出将网络代价的概念植入径向基函数神经网络(RBF网络)结构的优化中,对神经网络的隐层激活函数和隐层节点数进行选择;再用改进的遗传算法实现RBF网络参数的优化,从而实现神经网络的最经济控制;最后通过实例验证,表明设计的算法与BP网络的最经济控制相对比,具有明显的优越性。

引用

页码：37 / 38+43 +43

页数：3

共 6 条

[1] 基于UD和GA的神经网络最经济参数的研究 [J].

李冉 ;

陈以 .

微计算机信息, 2007, (31) :295-296+305

[2] 对最经济控制问题研究拓展的探讨 [J].

卢润德 ;

陈以 .

工业工程与管理, 2005, (03) :73-77

[3] 基于遗传算法的RBF神经网络的优化设计方法 [J].

李红利 ;

张晓彤 ;

兰立柱 ;

孙兆林 .

计算机仿真, 2003, (11) :67-69

[4] 控制系统的最经济智能实现 [J].

吴斌 .

电子科技大学学报, 2001, (04) :396-400

[5]

神经网络新理论与方法[M]. 清华大学出版社 , 张代远著, 2006

[6]

An ant colony optimization algorithm for continuous optimization: application to feed-forward neural network training[J] . Krzysztof Socha,Christian Blum.Neural Computing and Applications . 2007 (3)

← 1 →