隨著人工智能技術(shù)在全球迅速發(fā)展,國(guó)內(nèi)的傳統(tǒng)制造業(yè)開(kāi)始積極向智能制造方向轉(zhuǎn)型,制造業(yè)智能化轉(zhuǎn)型后的經(jīng)營(yíng)績(jī)效成為企業(yè)關(guān)注的重要課題。本文主要基于改善果蠅演算法（FOA）容易陷入局部極值與氣味濃度為正值的兩大局限上,提出一種新的LCFOA演算法進(jìn)行經(jīng)營(yíng)績(jī)效預(yù)測(cè)模型的優(yōu)化。本文以國(guó)內(nèi)智能制造業(yè)為研究對(duì)象,分別建構(gòu)了基本的反向傳遞神經(jīng)網(wǎng)絡(luò)（BP）、優(yōu)化的FOA-BP以及改進(jìn)的LCFOA-BP經(jīng)營(yíng)績(jī)效預(yù)測(cè)模型。結(jié)果顯示,LCFOA-BP模型的預(yù)測(cè)精度與建模效率最佳、FOA-BP次之、BP最差。由此可證明,LCFOA能有效提升經(jīng)營(yíng)績(jī)效模型的預(yù)測(cè)能力,有助于在我國(guó)智能制造業(yè)經(jīng)營(yíng)績(jī)效上的預(yù)測(cè)與應(yīng)用,以確保國(guó)內(nèi)制造業(yè)智能化轉(zhuǎn)型的永續(xù)發(fā)展。 

【文章來(lái)源】：數(shù)字技術(shù)與應(yīng)用. 2019,37(04)

【文章頁(yè)數(shù)】：3 頁(yè)

【文章目錄】：
0前言
1 改進(jìn)的果蠅優(yōu)化算法 (LCFOA)
    1.1 搜索策略的改變
    1.2 濃度判定值的轉(zhuǎn)換
2 實(shí)證研究
    2.1 研究思路與技術(shù)路線
    2.2 樣本數(shù)據(jù)和變量
    2.3 預(yù)測(cè)模型建構(gòu)與比較
3 結(jié)語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]果蠅優(yōu)化算法優(yōu)化性能對(duì)比研究[J]. 劉立群,韓俊英,代永強(qiáng),火久元.  計(jì)算機(jī)技術(shù)與發(fā)展. 2015(08)
[2]應(yīng)用果蠅優(yōu)化算法優(yōu)化廣義回歸神經(jīng)網(wǎng)絡(luò)進(jìn)行企業(yè)經(jīng)營(yíng)績(jī)效評(píng)估[J]. 潘文超.  太原理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2011(04)



本文編號(hào)：3633161