本文關(guān)鍵詞：模糊遺傳算法與資源優(yōu)化配置的預(yù)測控制

  更多相關(guān)文章： 資源配置 預(yù)測控制 模糊理論 神經(jīng)網(wǎng)絡(luò) 遺傳算法

【摘要】：經(jīng)典的遺傳算法解決的是確定性變量的尋優(yōu)問題,對于不確定性變量(如模糊變量)的尋優(yōu)仍沒有較深入的研究。針對高校資源的優(yōu)化配置問題,發(fā)現(xiàn)確定性的優(yōu)化配置結(jié)果,由于有各種不確定因素的影響,實(shí)際應(yīng)用配置很難實(shí)現(xiàn)。如何通過定義與設(shè)計(jì)模糊遺傳算法,解決模糊變量尋優(yōu)問題,通過模糊個體定義,模糊選擇、交叉、變異算子運(yùn)算,以模糊不確定性度量表示模糊最優(yōu)解與模糊適值函數(shù)關(guān)系,拓展一類模糊變量最優(yōu)問題的應(yīng)用,不僅是當(dāng)今研究的熱點(diǎn)問題,也是本文的研究重點(diǎn)。針對經(jīng)典遺傳算法不能解決模糊尋優(yōu)問題的情況,本文在已有的研究基礎(chǔ)上,提出了適用于解決模糊尋優(yōu)問題的模糊遺傳算法。針對經(jīng)典遺傳算法中的五大遺傳要素,本文對其重新定義如下:首先在個體模糊編碼上,將模糊變量隸屬于各個模糊子集的隸屬度作為基因,使得輸入模糊化;然后,通過模糊神經(jīng)網(wǎng)絡(luò)求得投入額、投入額變化率與績效之間的模糊非線性關(guān)系,用于設(shè)計(jì)模糊適值函數(shù),并且在交叉、變異算子中引入隸屬度函數(shù)來作為是否進(jìn)行該遺傳操作的判定條件,通過這兩步使得過程模糊化;最后,通過輸出模糊最優(yōu)個體以及其對應(yīng)的模糊適值來使得輸出模糊化�，F(xiàn)有的“模糊遺傳”研究,主要集中在兩方面:1)在經(jīng)典遺傳中引入一些模糊控制規(guī)則,使得交叉、變異概率自適應(yīng)地變化;2)僅有個體的模糊化,其他環(huán)節(jié)均與經(jīng)典遺傳無異.針對這些問題,本文依照經(jīng)典遺傳的五大要素,對模糊個體編碼、模糊適值函數(shù)設(shè)計(jì)、模糊遺傳操作及模糊輸出都進(jìn)行較深入的研究,提出了較全面的模糊遺傳算法,并給出了模糊遺傳的模式定理論述。論文應(yīng)用項(xiàng)目組提供的數(shù)據(jù)與資料,對高校資源優(yōu)化配置進(jìn)行了預(yù)測與控制:預(yù)測是通過不同配置來預(yù)測績效,主要是應(yīng)用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn);而控制則是在給定績效目標(biāo)(如績效需達(dá)到優(yōu)秀)下,尋求最優(yōu)配置,并把得到的最優(yōu)配置作為參照的控制標(biāo)準(zhǔn)。在應(yīng)用模糊遺傳算法得到模型結(jié)果后,論文也與經(jīng)典遺傳算法的結(jié)果進(jìn)行分析比較,以此論證模糊遺傳算法的有效性。本文以Mat lab語言設(shè)計(jì)編程實(shí)現(xiàn)模糊遺傳算法,在高校資產(chǎn)配置中,對配置方案進(jìn)行了統(tǒng)計(jì)檢驗(yàn),得到了滿意的結(jié)果。
【關(guān)鍵詞】：資源配置 預(yù)測控制 模糊理論 神經(jīng)網(wǎng)絡(luò) 遺傳算法
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：G647;TP18
【目錄】：

• 摘要5-6
• Abstract6-11
• 第一章 緒論11-15
• 1.1 問題引入11-12
• 1.2 選題意義12
• 1.3 國內(nèi)外研究現(xiàn)狀12
• 1.4 本文研究思路12-13
• 1.5 研究方法13
• 1.6 論文結(jié)構(gòu)安排13
• 1.7 本章小結(jié)13-15
• 第二章 相關(guān)建模理論概述15-24
• 2.1 模糊理論15-16
• 2.1.1 模糊概述15
• 2.1.2 模糊集合與隸屬函數(shù)15-16
• 2.2 模糊神經(jīng)網(wǎng)絡(luò)16-21
• 2.2.1 神經(jīng)網(wǎng)絡(luò)概述16-18
• 2.2.2 模糊神經(jīng)網(wǎng)絡(luò)概述18-21
• 2.3 遺傳算法21-23
• 2.3.1 傳統(tǒng)遺傳算法21-22
• 2.3.2 遺傳算法實(shí)現(xiàn)技術(shù)22-23
• 2.4 本章小結(jié)23-24
• 第三章 經(jīng)典遺傳算法建模24-35
• 3.1 項(xiàng)目概述24
• 3.1.1 問題背景24
• 3.1.2 問題描述24
• 3.1.3 研究思路24
• 3.2 原始數(shù)據(jù)信息24-25
• 3.3 數(shù)據(jù)預(yù)處理25-26
• 3.4 遺傳算法建模26-34
• 3.4.1 個體編碼26
• 3.4.2 適值函數(shù)26-33
• 3.4.3 遺傳操作算子33
• 3.4.4 參數(shù)設(shè)置33
• 3.4.5 模型輸出33-34
• 3.5 本章小結(jié)34-35
• 第四章 模糊不確定性遺傳算法理論35-45
• 4.1 模糊尋優(yōu)概述35-36
• 4.2 模糊遺傳算法36-44
• 4.2.1 模糊遺傳算法概述36
• 4.2.2 模糊遺傳算法五大要素定義36-40
• 4.2.3 模糊遺傳算法流程40-42
• 4.2.4 模糊遺傳算法的模式定理論述42-44
• 4.3 本章小結(jié)44-45
• 第五章 模糊遺傳算法建模45-60
• 5.1 問題描述45
• 5.2 研究思路45
• 5.3 模糊遺傳算法建模過程45-58
• 5.3.1 模糊神經(jīng)網(wǎng)絡(luò)建模45-51
• 5.3.2 模糊遺傳算法五大要素實(shí)例化51-58
• 5.4 兩種遺傳算法的結(jié)果對比58-59
• 5.5 本章小結(jié)59-60
• 結(jié)論60-61
• 參考文獻(xiàn)61-64
• 附錄64-76
• 攻讀碩士學(xué)位期間取得的研究成果76-77
• 致謝77-78
• 附件78

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前6條

1 李擎,鄭德玲,唐勇,陳占英;一種新的模糊遺傳算法[J];北京科技大學(xué)學(xué)報;2001年01期

2 譚光興;屈文建;;基于pareto遺傳算法的高等教育資源優(yōu)化配置[J];科技管理研究;2010年11期

3 張培林;錢林方;曹建軍;任國全;;基于蟻群算法的支持向量機(jī)參數(shù)優(yōu)化[J];南京理工大學(xué)學(xué)報(自然科學(xué)版);2009年04期

4 雷玉梅;;基于改進(jìn)遺傳算法的大規(guī)模TSP問題求解方案[J];計(jì)算機(jī)與現(xiàn)代化;2015年02期

5 姜明輝;許佩;任瀟;車凱;;個人信用評分模型的發(fā)展及優(yōu)化算法分析[J];哈爾濱工業(yè)大學(xué)學(xué)報;2015年05期

6 劉東平;單甘霖;張岐龍;段修生;;基于改進(jìn)遺傳算法的支持向量機(jī)參數(shù)優(yōu)化[J];微計(jì)算機(jī)應(yīng)用;2010年05期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 張芳;基于改進(jìn)GA的模糊神經(jīng)網(wǎng)絡(luò)參數(shù)學(xué)習(xí)算法及其應(yīng)用的研究[D];中南大學(xué);2007年

，

本文編號：1069296