锐客网

  1. 首页 > 睿知 > >

遗传算法 最小分析

经验分享睿知

【遗传算法 最小分析】遗传 算法-总结近期项目遗传 算法，并做简要记录 。遗传 算法？将从不同角度讨论分析-1算法的优缺点，如何用-1算法求函数的最小值以及如何用-1算法或神经网络在MATLAB中求二元函数的最小值？以分析Le-1算法在天生桥二级水电站进水口右岸滑坡中的应用为例 。

1、怎么用 遗传 算法求一函数的极小值,编写matlab程序 。2、神经网络 遗传 算法函数极值寻优对于一个未知的非线性函数 ， 仅通过函数的输入输出数据很难准确地求出函数的极值 。将神经网络与遗传 算法结合起来可以解决这类问题，利用神经网络的非线性拟合能力和遗传 算法的非线性优化能力可以求出函数极值 。本文利用神经网络遗传 算法对以下非线性函数的极值进行优化 ， 函数表达式为如下图1所示的函数图 。从函数方程和图形可以看出 ， 函数的全局最小值为0，对应的坐标为(0，

虽然从函数方程和图形中很容易找到函数极值及其对应的坐标，但是在函数方程未知的情况下，很难找到函数极值及其对应的坐标 。神经网络-1 算法函数极值优化主要分为BP神经网络训练与拟合和遗传 算法极值优化两个步骤 ， 过程如下图2所示 。神经网络训练拟合根据优化函数的特点，构造合适的BP神经网络，利用非线性函数的输出数据训练BP神经网络，训练好的BP神经网络可以预测函数的输出 。

3、如何使用 遗传 算法或神经网络在MATLAB中求二元函数最小值 4、 遗传 算法在数学上的应用自己查资料 。-1算法搜索边坡最小安全系数的应用研究:冯路陈祖禹李素梅(中国水利水电科学研究院结构材料研究所)本文简要介绍了寻找滑坡滑动面的问题，并进行了试验 。以分析Le-1算法在天生桥二级水电站进水口右岸滑坡中的应用为例 。

1.前言分析条分法边坡稳定过程中，从可能的滑动面集合中确定安全系数最小的临界滑动面是关键的一步 。这是一个确定滑动面形状的自变量函数的最小功能安全系数的问题 。由于实际情况的复杂性，求这个最小值的解析方法很难付诸实践 。从实用的角度来看，基于最优化原理的边坡最小安全系数的求解方法更有效，也更便于应用 。

    推荐阅读


    上一篇：手机格式化在哪里找

    下一篇：图形转换,轴对称算不算图形转换