|
|||||
|
|
| 一种小波神经网络与遗传算法结合的优化方法 | |
| 作者姓名： | 王保国 刘淑艳 钱耕 南希 郭宇航 |
| 作者单位： | 1.北京理工大学 宇航科学技术学院, 北京 100081 |
| 基金项目： | 国家自然科学基金,高等学校博士学科点专项基金 |
| 摘 要： | 提出一种基于小波神经网络(简称WNN)与Pareto遗传算法相结合的优化方法,并用于内流的数值流场优化计算.小波神经网络由输入层、隐含层和输出层组成.在隐含层用Morlet小波母函数取代了误差反向传播(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.典型算例表明:该算法快速、高效,能高精度的完成非线性函数的逼近与映射,其泛化能力很强. |
| 关 键 词： | 小波神经网络 Pareto遗传算法 射流元件 叶轮机械 优化设计 |
| 收稿时间： | 2008-07-06 |
| 修稿时间： | 2008-09-01 |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |
| 点击此处可从《航空动力学报》浏览原始摘要信息 | |
| 点击此处可从《航空动力学报》下载免费的PDF全文 | |