改进的遗传神经网络优化选址方法- p" z9 I# x* E9 _( y: V3 |8 E
\5 A* R% m- E a. x5 `" P. }4 c
针对当前遗传神经网络在选址研究中缺少考虑影响因子权重的问题以及算法在求解时易于过早收敛的缺陷,提出一种利用模糊C均值聚类算法改进遗传神经网络模型的优化选址方法。通过建立选址中心决策矩阵,确定相应影响因子及其取值范围,得到所有影响因子的权重,进行迭代计算得到最优选址方案。实验以黑龙江省物流公司选址为例,分别采用BP ( back propagation)算法、UA-BP (genetic algorithm and back propagation)算法和CAA-BP (fuzzy C-means and genetic algorithm and back propagation)算法对选址的建设成本进行优化计算,经过验证,该方法提出的CAA-BP算法在选址方面具有优化精度高、优化效果显著等特点。 $ V7 w4 b3 a2 b4 x2 v0 A $ x5 B' l, _, M9 N3 _% @& A& T% B/ a关键词:模糊聚类;遗传算法;YP神经网络;优化选址;影响因子+ N U' ]2 T6 x/ k