基于快速模拟退火神经网络的电子政务绩效评价研究

厦门大学硕士学位论文基于快速模拟退火神经网络的电子政务绩效评价研究姓名：易亚将申请学位级别：硕士专业：管理科学与工程指导教师：彭丽芳20070401基于快速模拟退火神经网络的电子政务绩效评价研究作者：易亚将学位授予单位：厦门大学相似文献(10条)1.期刊论文曾明.魏衍.ZENGMing.WEIYan一种BP神经网络改进算法的研究及应用-微计算机信息2009,25(18)本文首先介绍了传统的神经网络BP算法的优缺点,并结合模拟退火算法局部搜索全局的特点,提出将模拟退火算法和传统的BP算法相结合,形成一种新的BP神经网络算法,有效的解决了现行神经网络收敛速度问题、局部极小值等问题.最后论文将此改进的BP神经网络算法应用于股市预测中,大大提高了预测的准度,降低了投资风险.2.学位论文崔海燕黑龙江省水资源投入产出分析2008黑龙江省的水资源紧缺形势日趋严重，因此建立节水型国民经济体系就变得更具深远意义，本文拟利用投入产出理论研究黑龙江省水资源与国民经济的数量关系，从投入产出的角度讨论该省节水国民经济体系的建立。本文建立了黑龙江省水资源投入产出表，依据水资源投入分析的原理，对黑龙江省国民经济行业用水特性进行实证分析。国民经济各部门应根据自身的用水特性及当地水资源形势制定发展规划。本文利用BP神经网络模型、遗传算法和模拟退火算法对黑龙江省的规划年生产用水进行了预测，并在此基础上建立了黑龙江省宏观经济投入产出线性规划模型，分析该省的未来产业结构调整趋势，为产业结构优化提供参考依据。本文主要研究内容如下：(1)本文解释了水资源投入产出分析的原理，总结了水资源投入产出分析系数与投入产出基本参数之间的对应关系,建议在水资源投入产出分析中使用“完全用水系数”指标来表示国民经济某一部门增加单位最终产品，整个国民经济系统对水的完全需要量。这有利于水资源投入产出指标的规范运用，避免概念的混淆。(2)本文分析了黑龙江省行业用水特性等问题，强调了部门间经济技术联系所引发的行业用水扩张，有利于透过表面现象了解各行业用水的本质和特性。(3)黑龙江省国民经济部门的用水特性有以下类型：高产出高耗水类、高产出低耗水、高产出潜在高耗水、低产出高耗水等。应结合本地区水资源形势，适度限制高用水行业的发展速度和发展规模，鼓励低耗水高产出行业的发展。(4)介绍了BP神经网络、模拟退火算法和遗传算法的基本原理，建立了基本模拟退火算法和加速遗传算法的BP网络模型。(5)分别利用基于模拟退火算法的BP网络和基于加速遗传算法及模拟退火算法的BP网络对黑龙江省的年总用水量、行业用水量和生活用水量进行了预测。建立了基于改进的BP网络的投入产出线性规划模型。在年预测供水量已知的前提下，对黑龙江省宏观经济结构进行了分析，为产业结构进一步优化提供重要参考依据。本文弥补了黑龙江水资源投入产出研究的空白，对黑龙江省国民经济行业用水特性的研究为该省水资源规划提供科学的决策依据。对黑龙江省水资源投入产出初评研究，为该省建设节水社会提供了理论基础和数据支持。也是对该省国民经济与水资源关系的定量研究的有效补充。3.期刊论文洪露.穆志纯.HONGLu.MUZhichun免疫遗传算法在BP神经网络中的应用-北京科技大学学报2006,28(10)提出了一种基于免疫遗传算法(IGA)的BP神经网络设计方法.该算法在遗传算法(GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差及早熟现象,提高了算法的收敛性能.为了解决BP神经网络权值随机初始化带来的问题,用多样性模拟退火算法(SAND)进行神经网络权值初始化,并给出了算法详细的设计步骤.仿真结果表明,同混合遗传算法相比,该算法设计的BP神经网络具有较快的收敛速度和较强的全局收敛性能.4.学位论文李清禄基于神经网络等强度超静定梁的优化设计2004关于神经网络的研究在近几年取得了令人瞩目的进展'[1、2],引起了包括计算机科学、脑神经科学、人工智能等科学领域内的科学家们的巨大热情和广泛兴趣.而BP神经网络是各种神经网络模型中具有代表意义的神经网络之一,已获得了广泛的应用.其采用误差反传的特性解决了隐含层引入以后的学习问题.其实质是采用梯度下降法使权值的改变总是朝着误差变小的方向改进,最终达到最小误差.但由于它采用的是非线性规划中的最速下降法,因而BP神经网络存在其固有的缺陷,所以许多专家学者对其性能的改善做了大量的工作,对BP神经网络做了大量卓有成效的研究.该文对神经网络的发展及其BP神经网络做了一个系统的综述和初步的探索,并将其应用于超静定等强度梁优化设计中.该文同时阐述了神经网络结构优化的基本原理,构造了工程结构优化的神经网络模型.采用模拟退火技术进行模型求解.该文利用叶开沅提出的阶梯折算法,给出了超静定梁在任意分布载荷作用下以及集中力作用下等强度设计的一般计算公式,基本公式建立在Yah和Yu(1979)'[3]基础上.对优化目标和约束条件是设计变量隐函数的情况,化成了优化目标和约束条件等的设计变量的显式表达式,从而给问题的求解带来了极大的方便.运用该文的方法给出了一端固支一端简支、两端固支梁的实例,并和文献中午顿迭代法求得的结果进行了比较.实例表明神经网络在结构优化设计中是可行的.5.期刊论文彭友志.罗登贵.张雄.PENGYouzhi.LUODenggui.ZHANGXiongSA算法优化BP神经网络应用于GPS高程拟合-地理空间信息2009,7(1)BP神经网络算法用于高程拟合有训练速度慢和易于陷入局部最小值的缺点,基于BP算法学习特点,模拟退火算法(SA)在局部极小处的概率突变性.本文作者有效结合BP和SA算法,提出一种SA优化BP神经网络算法的BPSA混合学习策略,并以实例验证了该算法的有效性.6.学位论文杨励雅城市交通与土地利用相互关系的基础理论与方法研究2007城市交通与土地利用之间存在复杂的互动关系。国内外实践证明，二者的协调发展，是从根源上解决城市交通问题、实现土地利用集约化的重要前提，是决定城市能否实现可持续发展的关键。本论文立足我国城市发展实际，研究城市交通与土地利用相互关系的基础理论与方法，为城市交通规划制定、交通政策分析以及城市空间结构调整提供理论基础。首先，通过分析、总结国内外关于城市交通与土地利用相互关系的研究历程、研究成果及未来研究方向，为论文研究寻找突破口。第二，分别从宏观、微观层面，分析城市交通与土地利用的互动机理，并据此提出协调我国城市交通与土地利用关系的两大基本途径，即建立公交导向的土地开发模式和以发展轨道交通为核心的城市交通结构优化。第三，针对我国城市轨道交通建设起步晚，研究先验数据有限情况下城市轨道交通沿线土地利用形态和土地价格的变化规律，提出灰色系统云-马尔可夫链以及BP神经网络-马尔可夫链的组合预测模型，并分别以南京轨道交通1号线、北京轨道交通13号线及八通线为例，验证了模型的有效性。第四，鉴于土地利用形态与交通结构分别是表征城市土地利用系统和城市交通系统的两大关键变量，以城市总出行时间最小为目标，构建了二者的组合优化模型。针对传统算法的局限性，设计了一种新的混合算法，并以重庆市主城区为例进行了计算分析。第五，立足我国城市高密度开发特征，建立了基于TOD(Transit-OrientedDevelopment)模式的评价指标体系，构造出评价城市交通与土地利用协调关系的DEA(DataEnvelopmentAnalysis)模型，并对1990年-2005年北京市城八区以及2004年北京、上海等16个城市的交通与土地利用协调情况进行了评价分析。本论文的主要创新性成果如下：1、提出了刻画城市交通与土地利用互动机理的微分方程模型，通过设定不同的参数，能够模拟出不同条件下二者互动的方向、程度与演化趋势，从而为把握二者相互关系的一般发展规律，寻找协调二者关系途径，提供了理论依据。2、提出了灰色系统云-马尔可夫链的组合预测模型，该模型能够在先验数据有限的情况下，较为准确地预测出城市轨道交通沿线土地利用性质的空间分布规律。3、针对传统特征价格模型在我国应用的局限性，提出BP神经网络-马尔可夫链的组合预测模型，该模型能够在先验数据有限且存在大量不确定因素的情况下，较为准确地预测出城市轨道交通沿线房地产价格的分布规律，为定量评估我国轨道交通建设对房地产价格影响提供了新思路。4、构建了城市土地利用形态与交通结构组合优化的非线性模型，并针对传统算法的局限性，综合运用传统遗传算法、模拟退火算法和动态惩罚函数法的思想，设计一种新的混合遗传算法。该算法能够克服传统遗传算法容易过早收敛以及传统模拟退火算法全局搜索能力不足的缺陷，具有较高的运算效率和求解质量。5、在城市交通与土地利用协调关系的评价中，立足我国城市高密度开发特征，提出了基于TOD模式的评价指标体系，并采用一种新的非参数统计分析方法，构造了评价二者关系的DEA模型。DEA模型不需要预先给定评价指标权重，避免了传统评价方法中人为确定权重的主观性。另外，通过模型结果分析，能够识别出影响二者协调发展的关键因素，找出导致决策单元无效的原因，从而有目的地加以改进。7.期刊论文叶子伟.韩红超.YEZi-wei.HANHong-chao基于退火BP神经网络的GPS高程转换-测绘工程2008,17(4)阐述模拟退火算法的基本思想和原理,提出并介绍模拟退火算法优化的BP神经网络模型在GPS高程转换中的具体应用,同时编写相应的MATLAB处理程序,结合大量数据进行仿真实验,结果表明文中提出的退火BP神经网络模型具有收敛速度快、精度高、避免陷入局部最小的优良特性.8.学位论文姚谦遥感图像分类的人工神经网络算法及其优化2008本文着重于将各种优化算法和人工神经网络等工具和方法应用于遥感图像分类这一研究领域，研究内容主要有以下两个部分：第一部分，BP神经网络作为应用最广泛的人工神经网络，已经应用于包括遥感在内的各种领域，但其收敛速度较慢、容易陷入局部极小值，因此在遥感图像分类领域里并没有得到很好的实际应用效果。而Levenberg-Marquardt法、共轭梯度法、拟牛顿法、模拟退火算法等算法作为常用的优化算法，已经取得了很好的实用效果。本文讨论了BP神经网络在遥感图像分类中的一般性应用问题，尝试利用了上述优化算法来改进BP神经网络，并总结了不同优化算法对BP神经网络的改进效果。第二部分，本文着重讨论了在遥感领域里很少用到的、但在其他领域里已取得成功应用的神经网络，如学习矢量量化神经网络，并试图论证这类神经网络在遥感图像分类领域中应用的可行性。学习矢量量化神经网络(LVQ神经网络)作为近几年来兴起的一种神经网络，以其聚类的思想和较高的识别精度而受到研究者的重视，但它也具有容易陷入极小值、对初值敏感等问题。本文利用遗传算法这一全局优化算法来改进LVQ神经网络对初值敏感的缺陷，并通过实验论证了LVQ神经网络在遥感图像分类中应用的可行性。通过此次工作可以得到如下结论：(1)在本文的分类实验中，LVQ神经网络能够成功地对遥感图像进行高精度的分类；经过优化算法改进后的BP神经网络和LVQ神经网络在总体分类精度上均要优于传统的最大似然法。(2)共轭梯度法、拟牛顿法、Levenberg-Marquardt法能够加快BP神经网络的收敛速度；模拟退火算法和遗传算法能够在一定程度上避免BP神经网络和LVQ神经网络陷入局部极小值。(3)样本大小和网络结构是决定神经网络分类精度的重要因素。在本文实验中，训练样本的大小对最大似然法的分类精度影响最小，对BP神经网络的分类精度影响次之，对LVQ神经网络的分类精度影响最大；对于BP神经网络而言，分类精度基本随着隐层结点的增多而小幅度的下降，而对LVQ神经网络而言，分类精度则随着隐层结点的增多而递增，但增加到一定程度之后便趋于稳定。关键词：遥感图像分类，BP神经网络，LVQ神经网络，优化算法9.期刊论文杨景明.刘舒慧.车海军.孙晓娜.YANGJing-ming.LIUShu-hui.CHEHai-jun.SUNX