本文關(guān)鍵詞：基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的汽車油耗計(jì)算模型，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著公路運(yùn)輸行業(yè)競爭的日趨激烈和能源日益緊缺,行業(yè)的管理者們開始關(guān)注車輛的油耗問題,對車輛精準(zhǔn)油耗監(jiān)控系統(tǒng)的需求日益強(qiáng)烈。國內(nèi)外關(guān)于車輛油耗監(jiān)控的研究也有很多,但是實(shí)際應(yīng)用中仍以體積法為主。在基于體積法設(shè)計(jì)的油耗監(jiān)控系統(tǒng)中,加油量的計(jì)算是難點(diǎn)之一。通過觀察車輛實(shí)際運(yùn)營中的監(jiān)控?cái)?shù)據(jù),明確了以挖掘?qū)嶋H加油量與監(jiān)控?cái)?shù)據(jù)之間的非線性關(guān)系為計(jì)算模型的設(shè)計(jì)目標(biāo)。BP神經(jīng)網(wǎng)絡(luò)在非線性函數(shù)逼近方面能力突出,也是近年來的研究熱點(diǎn)。但是標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)存在易陷入局部最優(yōu)、搜索速度慢等缺點(diǎn),很多研究學(xué)者也提出了多種優(yōu)化方案,如遺傳算法優(yōu)化方案、粒子群優(yōu)化方案等。作者選用的是遺傳算法優(yōu)化方案,利用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值和閾值。在設(shè)計(jì)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型時(shí),作者了解到遺傳算法本身也存在一定缺陷。Srinivas提出的自適應(yīng)遺傳算法后雖然解決了固定交叉率和變異率的問題,但是仍存在種群前期進(jìn)化較慢、種群個(gè)體多樣性差等問題。通過對Srinivas的自適應(yīng)遺傳算法的學(xué)習(xí)與分析,為了改進(jìn)其缺點(diǎn),進(jìn)一步完善算法,本文提出了一種改進(jìn)的自適應(yīng)遺傳算法。算法主要做了三個(gè)方面的改進(jìn):第一、在調(diào)整控制遺傳操作的自適應(yīng)參數(shù)時(shí)不僅考慮個(gè)體和種群的適應(yīng)度值情況,也將種群進(jìn)化所處階段作為重要參數(shù)之一以調(diào)整自適應(yīng)變量。在種群進(jìn)化初期,以較大的自適應(yīng)參數(shù)迅速提高種群適應(yīng)度水平,繼而逐步減小自適應(yīng)參數(shù)以保護(hù)優(yōu)秀個(gè)體不受損壞。第二、改善了自適應(yīng)交叉率和變異率的計(jì)算方法,一定程度上提高了種群的個(gè)體多樣性。第三、在變異操作中增加了自適應(yīng)變異點(diǎn)個(gè)數(shù),根據(jù)個(gè)體的適應(yīng)度值、種群整體適應(yīng)度以及種群進(jìn)化所處階段,調(diào)整將進(jìn)行變異的點(diǎn)個(gè)數(shù)。最后,本文通過實(shí)驗(yàn)數(shù)據(jù)分析,驗(yàn)證了改進(jìn)的自適應(yīng)遺傳算法在性能方面明顯優(yōu)于Srinivas的自適應(yīng)遺傳算法以及標(biāo)準(zhǔn)遺傳算法。實(shí)驗(yàn)中對比了標(biāo)準(zhǔn)BP模型、GA-BP模型、AGA-BP模型以及IAGA-BP模型的計(jì)算精度,進(jìn)一步說明本文提出的改進(jìn)方案大幅降低了BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程中陷入局部最優(yōu)值的概率,充分發(fā)揮了BP神經(jīng)網(wǎng)絡(luò)的局部搜索能力、提高了計(jì)算精度,模型的泛化能力也有所提升。
【關(guān)鍵詞】：油耗監(jiān)控 BP神經(jīng)網(wǎng)絡(luò) 自適應(yīng)遺傳算法 優(yōu)化
【學(xué)位授予單位】：江蘇科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U471.23;TP18
【目錄】：

• 摘要5-6
• Abstract6-12
• 第1章 緒論12-16
• 1.1 研究背景12-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-14
• 1.2.1 國內(nèi)研究現(xiàn)狀13
• 1.2.2 國外研究現(xiàn)狀13-14
• 1.3 本文工作14-15
• 1.4 組織結(jié)構(gòu)15-16
• 第2章 BP神經(jīng)網(wǎng)絡(luò)與遺傳算法16-28
• 2.1 神經(jīng)網(wǎng)絡(luò)16-19
• 2.1.1 人工神經(jīng)元16-17
• 2.1.2 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)17-19
• 2.1.3 神經(jīng)網(wǎng)絡(luò)應(yīng)用19
• 2.2 BP神經(jīng)網(wǎng)絡(luò)19-21
• 2.2.1 BP神經(jīng)網(wǎng)絡(luò)算法19-20
• 2.2.2 信號(hào)正向傳播20
• 2.2.3 誤差反向傳播20-21
• 2.2.4 BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)21
• 2.3 遺傳算法21-26
• 2.3.1 遺傳算法術(shù)語22
• 2.3.2 遺傳算法基本原理22-23
• 2.3.3 遺傳算法構(gòu)成要素23-26
• 2.4 遺傳算法的缺陷26-27
• 2.5 本章小結(jié)27-28
• 第3章 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)28-34
• 3.1 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)28-30
• 3.1.1 算法流程28-29
• 3.1.2 編碼規(guī)則29-30
• 3.1.3 初始化種群30
• 3.1.4 遺傳算子30
• 3.1.5 適應(yīng)度函數(shù)30
• 3.2 自適應(yīng)遺傳算法的改進(jìn)30-33
• 3.2.1 自適應(yīng)遺傳算法30-31
• 3.2.2 改進(jìn)的自適應(yīng)遺傳算法31-33
• 3.3 本章小結(jié)33-34
• 第4章 BP神經(jīng)網(wǎng)絡(luò)在汽車油耗計(jì)算模型中的應(yīng)用34-48
• 4.1 汽車油耗計(jì)算模型的設(shè)計(jì)34
• 4.2 計(jì)算模型參數(shù)選取34-35
• 4.3 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)設(shè)計(jì)35
• 4.3.1 隱含層個(gè)數(shù)的設(shè)計(jì)35
• 4.3.2 隱層神經(jīng)元個(gè)數(shù)的設(shè)計(jì)35
• 4.4 樣本數(shù)據(jù)分析與預(yù)處理35-37
• 4.4.1 樣本數(shù)據(jù)分析35-36
• 4.4.2 數(shù)據(jù)預(yù)處理36-37
• 4.5 實(shí)驗(yàn)環(huán)境與工具37
• 4.6 仿真實(shí)驗(yàn)37-46
• 4.6.1 實(shí)驗(yàn)一：GA-BP VS標(biāo)準(zhǔn)BP37-40
• 4.6.2 實(shí)驗(yàn)二：AGA-BP VS GA-BP40-43
• 4.6.3 實(shí)驗(yàn)三：IAGA-BP vs AGA-BP43-46
• 4.7 本章小結(jié)46-48
• 結(jié)論與展望48-50
• 總結(jié)48-49
• 展望49-50
• 參考文獻(xiàn)50-54
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文54-56
• 致謝56

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊艷麗,史維祥;一種新的優(yōu)化算法—遺傳算法的設(shè)計(jì)[J];液壓氣動(dòng)與密封;2001年02期

2 王毅,曹樹良;遺傳算法在并聯(lián)水泵系統(tǒng)運(yùn)行優(yōu)化中的應(yīng)用[J];流體機(jī)械;2003年10期

3 趙義紅,李正文,何其四;生物信息處理系統(tǒng)遺傳算法探討[J];成都理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年05期

4 李凡,黃數(shù)林,張東風(fēng);一種改進(jìn)的多倍體遺傳算法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年01期

5 韋雪潔;黎明;劉高航;田貴超;;注入式的遺傳算法的分析與研究[J];南昌航空工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年01期

6 閻綱;;遺傳算法及其仿真[J];湖南工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年04期

7 ;遺傳算法[J];電網(wǎng)與清潔能源;2008年10期

8 吳玫;陸金桂;;遺傳算法的研究進(jìn)展綜述[J];機(jī)床與液壓;2008年03期

9 李培植;肖利明;于靜濤;;基于遺傳算法的結(jié)構(gòu)優(yōu)化方法[J];公路交通科技(應(yīng)用技術(shù)版);2008年08期

10 于金;金樂;杜海璐;;基于改進(jìn)遺傳算法的集裝箱裝載優(yōu)化問題研究[J];船海工程;2008年05期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進(jìn)的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第五屆全國制冷空調(diào)新技術(shù)研討會(huì)論文集[C];2008年

3 王志軍;李守春;張爽;;改進(jìn)的遺傳算法在反演問題中的應(yīng)用[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識(shí)創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進(jìn)遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實(shí)表現(xiàn)——第二屆工程建設(shè)計(jì)算機(jī)應(yīng)用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會(huì)論文集[C];2006年

6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計(jì)[A];全國第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議�？痆C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計(jì)算機(jī)編程中的應(yīng)用[A];1995年中國智能自動(dòng)化學(xué)術(shù)會(huì)議暨智能自動(dòng)化專業(yè)委員會(huì)成立大會(huì)論文集（下冊）[C];1995年

9 靳開巖;張乃堯;;幾種實(shí)用遺傳算法及其比較[A];1996年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動(dòng)遺傳算法[A];1996年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊）[C];1996年

中國重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報(bào);2002年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 蔡美菊;交互式遺傳算法及其在隱性目標(biāo)決策問題中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2015年

2 張士偉;三維聲學(xué)快速多極基本解法在機(jī)械噪聲預(yù)測中的應(yīng)用研究[D];沈陽工業(yè)大學(xué);2016年

3 高軍;無鉛焊料本構(gòu)模型及其參數(shù)識(shí)別方法研究[D];南京航空航天大學(xué);2015年

4 Amjad Mahmood;半監(jiān)督進(jìn)化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用[D];西南交通大學(xué);2015年

5 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

6 郝國生;交互式遺傳算法中用戶的認(rèn)知規(guī)律及其應(yīng)用[D];中國礦業(yè)大學(xué);2009年

7 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

8 馬國田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

9 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

10 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年

2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年

3 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年

4 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測[D];昆明理工大學(xué);2015年

5 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年

6 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年

7 于光帥;一類優(yōu)化算法的改進(jìn)研究與應(yīng)用[D];渤海大學(xué);2015年

8 吳欣欣;改進(jìn)GA-TS算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)入侵檢測研究[D];湖南工業(yè)大學(xué);2015年

9 王壘;基于遺傳算法的A型單喇叭互通立交線形優(yōu)化[D];長安大學(xué);2015年

10 龔高;基于遺傳算法的橋梁結(jié)構(gòu)傳感器優(yōu)化布置研究[D];長安大學(xué);2015年

  本文關(guān)鍵詞：基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的汽車油耗計(jì)算模型，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：262534