文献类型：期刊文章

作　　者：吴诗辉[1] 张发[2] 李正欣[1] 刘晓东[1]

WU Shihui;ZHANG Fa;LI Zhengxin;LIU Xiaodong(Equipment Management and UAV Engineering College, Air Force Engineering University, Xi’an 710051, China;Business School,Beijing Institute of Technology, Zhuhai 519000, China)

机构地区：[1]空军工程大学装备管理与无人机工程学院,陕西西安710051 [2]北京理工大学珠海学院商学院,广东珠海519088

出　　处：《系统工程与电子技术》

基　　金：国家自然科学基金(61502521;61601501;71571190)资助课题

年　　份：2019

卷　　号：41

期　　号：6

起止页码：1324-1335

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为降低传统仿真优化方法所需的仿真次数,从而缩短仿真优化时间,提出了基于广义回归神经网络(generalized regression neural network,GRNN)的仿真优化算法设计。首先,利用仿真生成一定数量的样本集,利用GRNN进行训练,得到初始回归曲面,并在该曲面上利用模式搜索算法找出全部可能的局部极小,由于可能会找到一些假局部极小点——噪声点,设计了剔除噪声点的方法,得到全部局部极小;在各局部极小点周围增补少量仿真样本,再次利用GRNN进行训练,得到新的回归曲面。重复增补样本,直到得到仿真优化的最优解。实例表明,所提方法能够有效降低所需样本的数量,实现仿真优化问题的求解。

关 键 词：神经网络 仿真优化  局部极小  样本增补  

分 类 号：TP391.3]