论文部分内容阅读
在许多优化问题中，寻找最优解并不是唯一目的，更重要的目标往往是“进步”，算法的优化作用更在于维持一个稳定的改进过程。本文从这一角度出发进行了对传统遗传算法的改进，强化了其渐进收敛和进化能力；并考虑与反向传播学习算法的有机结合以提高训练精度及泛化能力。以一类解析型模糊系统的建模过程为例进行的仿真研究表明，新算法更适用于这类优化问题，能够在更短的时间内有效地改善系统性能；同时，具有很强的自适应性，应用简便也是它的主要优点之一。