排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
本文提出一种基于小波神经网络(Wavelet Neural Networks,简称WNN)理论与Pareto遗传算法相结合的优化方法,并用于内流的数值优化计算。小波神经网络是将小波分析与人工神经网络(Artificial Neural Networks,简称ANN)理论相结合而产生的一种新型神经网络模型。它通常由输入层、隐含层和输出层所组成。本文在隐含层用Morlet小波母函数取代了BP神经网络中常用的Sigmoid激励函数。Pareto遗传算法具有很好的全局寻优能力和良好的优化效率,在通常情况下它总可以得到均匀分布的Pareto最优解集。内流(其中包括超声速射流元件以及叶轮机械内部流动)优化问题的典型算例表明:小波神经网络具有很好的自学习功能和容错能力,可以快速、高效、高精度的完成非线性函数的逼近与映射,并且其泛化能力(generalization ability)很强。在数值优化中还发现,WNN比常用的响应面方法在样本的要求方面更灵活、更高效。将WNN与Pareto遗传算法相结合可以得到工程中较为满意的优化解。 相似文献
1