基于改进模糊神经网络的港口物流功能评价模型研究
发布时间：2021-07-20 19:40
针对模糊神经网络算法处理高维耦合港口物流功能评价模型时出现不能较好地识别和利用信息、应用新知识的能力与学习新知识的能力不平衡等多重问题,研发出改良模糊神经网络算法。这种方法利用了改进的自适应交叉和变异算子,且将其应用于模拟退火机制对传统遗传算法进行改进,利用改进过的新算法所发出的属值进行自动调整,仿真验证所使用的软件是Matlab2016b,使高维耦合港口物流功能评价过程中泛化能力与学习能力失衡等问题得到有效解决,并在诸多方面具有显著优势,例如较强的稳定性和干扰抵抗能力,以及高效的搜索能力等。论文将研究对象确定为国内东北地区的某综合性港口,在研究过程中用于开发验证环境的平台是Eclipse,选择的分析方法是实证法,通过最终获得的结果可知,文中建立的模型能够对港口物流功能进行全面评价,在评价适应性、模型拟合度、并行搜索效率等方面具有明显优势。
【文章来源】：计算机与数字工程. 2020,48(02)
【文章页数】：7 页
【部分图文】：
基于模糊神经网络的港口物流功能评价模型示意图
根据式（7）和（8）可知，M取值一般都是按照实际情况来将种群规模大小选定下来，g代表遗传代数，T代表的则是选定的模拟退火温度，T0则代表选定的模拟退火机制初始温度，利用引入模拟退火机制的方式，能够真正确保自适应拉伸环境适应度得到明显升高，此举能够确保算法后期种群进化能力减弱问题不再出现。3.3 优化模型仿真验证
为了能够对引入自适应交叉算子、变异算子等的实际工作效果进行验证，分析利用改进过的遗传算法控制模糊神经网络算法的信号流和权值的自适应调整实际效能，大胆做出一个假设，一般的模糊神经网络的训练次数epochs是1000，训练目标goal则是0.01，二者的取值有所不同；改进遗传算法的群体规模为N=60；如果对变异概率Pc的动态变化范围进行设定，这显然会与变异概率存在差别,在一般情况下，下限为Pc1=0.60，上限则是Pc2=0.90，如果已经专门对于变异概率Pm的动态变化范围进行划分，则变异概率的下限Pm1=0.01，上限Pm2=0.1，在选择参数的过程当中，我们会始终将实际问题作为导向，此举能够确保在种群进化的后期阶段，进化活力也会得到显著增强[16]。为了确保最终的结果具备可参考性，谢菲尔德大学的Matlab遗传算法工具箱采用频率的方式，将初始目标函数设定完成后，最优解也会随着遗传代数和进化过程的变化趋势、引入模拟退火机制等多维度来对算法完成仿真验证工作，特别是要在Matlab2016b环境之下来完成图形化示意仿真处理，具体结果参见图3、4、5、6。为了能够确保初始个体的收集与预处理的效率得到大幅度提升，在数据处理过程当中还可以专门加入降噪和归一化技术，这能够让整个算法更加精准。图3、4、5、6可以从定性和定量这两方面着手，在逐步将自适应交叉算子、变异算子等诸多算法引入后，能够很好地确保种群多样性得到更好的可持续发展，算法的搜索初始值依赖、易陷入局部最优等诸多问题均能够得到妥善解决，算法的抗干扰性也能够得到大幅度提升，对于模糊神经网络算法的信号流和权值来进行自适应调整，较好解决了高维耦合港口物流功能精确评价中泛化能力与学习能力失衡、收敛速度随时间呈迟滞变化等问题，实现全局最优，具有模型拟合度高、自适应性强、鲁棒性较好等优势。
【参考文献】：
期刊论文
[1]基于改进PSO算法的模糊神经网络的研究与应用[J]. 崔丽洁,程换新,宋生建. 工业仪表与自动化装置. 2018(05)
[2]基于改进神经网络的离心泵性能预测模型构建[J]. 孔琳. 小型内燃机与车辆技术. 2018(04)
[3]基于改进BP神经网络的路由器流量预测方法[J]. 任师涛,史志才,吴飞,钟亚洲,陈珊珊,陈计伟. 传感器与微系统. 2018(08)
[4]基于改进PSO算法的路径软件测试用例生成方法[J]. 张倩宜,李妍. 计算机测量与控制. 2018(03)
[5]基于改进遗传算法的动态路径规划研[J]. 董小帅,毛政元. 计算机工程与应用. 2018(19)
[6]基于蚁群算法的软件接口测试用例生成[J]. 劳天,马由. 计算机工程与设计. 2018(01)
[7]基于MOSFET外特性参量的自适应模糊神经网络状态评估模型[J]. 王月月,陈民铀,赖伟,陈一高,罗丹. 电工技术学报. 2018(18)
[8]基于改进型模糊神经网络的设计方案评价方法[J]. 施亚洲,李文强,李彦. 组合机床与自动化加工技术. 2017(11)
[9]基于多目标属性决策和信息熵值法的港口集装箱装卸设备选型评价[J]. 郑斯斯,王爱虎. 运筹与管理. 2017(10)
[10]基于云模型的港口企业绿色物流评价模型及实证研究[J]. 钮尔轩,孟斌,沈思祎. 大连海事大学学报. 2017(02)
本文编号：3293460
【文章来源】：计算机与数字工程. 2020,48(02)
【文章页数】：7 页
【部分图文】：
基于模糊神经网络的港口物流功能评价模型示意图
根据式（7）和（8）可知，M取值一般都是按照实际情况来将种群规模大小选定下来，g代表遗传代数，T代表的则是选定的模拟退火温度，T0则代表选定的模拟退火机制初始温度，利用引入模拟退火机制的方式，能够真正确保自适应拉伸环境适应度得到明显升高，此举能够确保算法后期种群进化能力减弱问题不再出现。3.3 优化模型仿真验证
为了能够对引入自适应交叉算子、变异算子等的实际工作效果进行验证，分析利用改进过的遗传算法控制模糊神经网络算法的信号流和权值的自适应调整实际效能，大胆做出一个假设，一般的模糊神经网络的训练次数epochs是1000，训练目标goal则是0.01，二者的取值有所不同；改进遗传算法的群体规模为N=60；如果对变异概率Pc的动态变化范围进行设定，这显然会与变异概率存在差别,在一般情况下，下限为Pc1=0.60，上限则是Pc2=0.90，如果已经专门对于变异概率Pm的动态变化范围进行划分，则变异概率的下限Pm1=0.01，上限Pm2=0.1，在选择参数的过程当中，我们会始终将实际问题作为导向，此举能够确保在种群进化的后期阶段，进化活力也会得到显著增强[16]。为了确保最终的结果具备可参考性，谢菲尔德大学的Matlab遗传算法工具箱采用频率的方式，将初始目标函数设定完成后，最优解也会随着遗传代数和进化过程的变化趋势、引入模拟退火机制等多维度来对算法完成仿真验证工作，特别是要在Matlab2016b环境之下来完成图形化示意仿真处理，具体结果参见图3、4、5、6。为了能够确保初始个体的收集与预处理的效率得到大幅度提升，在数据处理过程当中还可以专门加入降噪和归一化技术，这能够让整个算法更加精准。图3、4、5、6可以从定性和定量这两方面着手，在逐步将自适应交叉算子、变异算子等诸多算法引入后，能够很好地确保种群多样性得到更好的可持续发展，算法的搜索初始值依赖、易陷入局部最优等诸多问题均能够得到妥善解决，算法的抗干扰性也能够得到大幅度提升，对于模糊神经网络算法的信号流和权值来进行自适应调整，较好解决了高维耦合港口物流功能精确评价中泛化能力与学习能力失衡、收敛速度随时间呈迟滞变化等问题，实现全局最优，具有模型拟合度高、自适应性强、鲁棒性较好等优势。
【参考文献】：
期刊论文
[1]基于改进PSO算法的模糊神经网络的研究与应用[J]. 崔丽洁,程换新,宋生建. 工业仪表与自动化装置. 2018(05)
[2]基于改进神经网络的离心泵性能预测模型构建[J]. 孔琳. 小型内燃机与车辆技术. 2018(04)
[3]基于改进BP神经网络的路由器流量预测方法[J]. 任师涛,史志才,吴飞,钟亚洲,陈珊珊,陈计伟. 传感器与微系统. 2018(08)
[4]基于改进PSO算法的路径软件测试用例生成方法[J]. 张倩宜,李妍. 计算机测量与控制. 2018(03)
[5]基于改进遗传算法的动态路径规划研[J]. 董小帅,毛政元. 计算机工程与应用. 2018(19)
[6]基于蚁群算法的软件接口测试用例生成[J]. 劳天,马由. 计算机工程与设计. 2018(01)
[7]基于MOSFET外特性参量的自适应模糊神经网络状态评估模型[J]. 王月月,陈民铀,赖伟,陈一高,罗丹. 电工技术学报. 2018(18)
[8]基于改进型模糊神经网络的设计方案评价方法[J]. 施亚洲,李文强,李彦. 组合机床与自动化加工技术. 2017(11)
[9]基于多目标属性决策和信息熵值法的港口集装箱装卸设备选型评价[J]. 郑斯斯,王爱虎. 运筹与管理. 2017(10)
[10]基于云模型的港口企业绿色物流评价模型及实证研究[J]. 钮尔轩,孟斌,沈思祎. 大连海事大学学报. 2017(02)
本文编号：3293460
本文链接：https://www.wllwen.com/guanlilunwen/wuliuguanlilunwen/3293460.html
