湖北省教育厅科学技术研究项目(B20101707)
- 作品数：3 被引量：5H指数：2
- 相关作者：李智秦岭李逸飞杨钊万丽丽更多>>
- 相关机构：武汉工业学院更多>>
- 发文基金：湖北省教育厅科学技术研究项目更多>>
- 相关领域：矿业工程冶金工程自动化与计算机技术更多>>
- 基于遗传算法的烧结配料优化被引量：2
- 2011年
- 针对烧结配料实验的复杂性和多变性,将遗传算法和广义回归神经网络相结合,发挥神经网络的泛化能力,使神经网络具有较快的收敛性和较强的学习能力,发挥遗传算法的鲁棒性。通过现场试验和优化分析,优化方法符合生产实际,为烧结配料优化生产提供有效的参数依据。
- 杨钊李智
- 关键词：广义回归神经网络遗传算法
- 基于自适应进化算法的烧结配料优化被引量：4
- 2011年
- 针对烧结配料系统的多样性、复杂性和相关性特点,基于广义回归神经网络建立了烧结配料预测模型,提出基于自适应加速机制的多种群进化算法的烧结配料优化算法。该算法在引入自适应加速机制和弹性缩放因子的前提下,充分运用了多种群进化算法的全局搜索能力寻找最优的工艺参数组合,将神经网络和自适应进化算法有机结合,实现了烧结配料的优化,增加了混合料中有用的化学成分,从而提高了产品质量。实际计算结果验证了该优化算法的正确性。
- 秦岭李逸飞李智
- 关键词：烧结配料系统广义回归神经网络
- 基于改进粒子群算法的烧结配料预测模型
- 2011年
- 针对烧结配料系统中的非线性、复杂性和相关性,基于BP神经网络建立烧结配料的预测模型,并采用粒子群算法对预测模型参数进行优化。为了克服粒子群算法的局部收敛性,在迭代过程中,根据迭代次数对惯性权重进行动态非线性调整,从而提高算法的搜索能力。仿真结果表明,所提出的改进粒子群算法与传统的粒子群算法比较,收敛速度快、迭代次数少、具有较强的全局寻优能力。
- 黄晶晶万丽丽秦岭
- 关键词：粒子群算法BP神经网络惯性权重
