91.2应用举例 2.层次分析法对于下面几种情况的优化 问题特别适用: (1)问题中除可计量的量外,还存在不可 计量的量时,可用AHP通过对不可计量 的量与可计量的量的相对比较,而获 得相对的量测; (2)当优化问题的结构难以事先确定,而 在很大程度上取决于决策者的经验时
2.层次分析法对于下面几种情况的优化 问题特别适用： ⑴问题中除可计量的量外，还存在不可 计量的量时，可用AHP通过对不可计量 的量与可计量的量的相对比较，而获 得相对的量测； ⑵当优化问题的结构难以事先确定，而 在很大程度上取决于决策者的经验时； 9.1.2 应用举例
91.2应用举例 (3各变量不独立,有内部相关性时; (4)目标与约束、约束与约束之间紧密联 系时 (5)多目标问题;
⑶各变量不独立，有内部相关性时； ⑷目标与约束、约束与约束之间紧密联 系时； ⑸多目标问题； 9.1.2 应用举例
91.2应用举例 ●在用AHP法解决优化问题时,常用的有两种方式: (1)当模型中涉及不可计量的量时,用AHP法的比例标 度来确定目标函数,约束函数的权重系数) (2)直接采用A田P模型。 AP法有广泛的应用前景,可以用来决定其他方面的 些问题。下面举一个解决优化问题的例子
⚫ 在用AHP法解决优化问题时，常用的有两种方式： ⑴当模型中涉及不可计量的量时，用AHP法的比例标 度来确定目标函数，约束函数的权重（系数）； ⑵直接采用AHP模型。 AHP法有广泛的应用前景，可以用来决定其他方面的 一些问题。下面举一个解决优化问题的例子。 9.1.2 应用举例
92人工神经网络与神经网络优化算法 人工神经网络是近年来得到迅速发展的 个前沿课题。神经网络由于其大规模并行 处理、容错性、自组织和自适应能力和联 想功能强等特点,已成为解决很多问题的 有力工具。本节首先对神经网络作简单介 绍,然后介绍几种常用的神经网络,包括 前向神经网络、 Hopfield网络
9.2 人工神经网络与神经网络优化算法 ⚫ 人工神经网络是近年来得到迅速发展的一 个前沿课题。神经网络由于其大规模并行 处理、容错性、自组织和自适应能力和联 想功能强等特点，已成为解决很多问题的 有力工具。本节首先对神经网络作简单介 绍，然后介绍几种常用的神经网络，包括 前向神经网络、Hopfield网络
92人工神经网络与神经网络优化算法 1.人工神经网络发展简史 ●最早的研究可以追溯到20世纪40年代。1943年,心 理学家McCu1l0ch和数学家Pits合作提出了形式神 经元的数学模型。这一模型一般被简称为MP神经 网络模型,至今仍在应用,可以说,人工神经网络 的研究时代,就由此开始了 1949年,心理学家Hebb提出神经系统的学习规则 为神经网络的学习算法奠定了基础。现在,这个规 则被称为Hebb规则,许多人工神经网络的学习还遵 循这一规则
9.2人工神经网络与神经网络优化算法 1.人工神经网络发展简史 ⚫ 最早的研究可以追溯到20世纪40年代。1943年，心 理学家McCulloch和数学家Pitts合作提出了形式神 经元的数学模型。这一模型一般被简称为M-P神经 网络模型，至今仍在应用，可以说，人工神经网络 的研究时代，就由此开始了。 ⚫ 1949年，心理学家Hebb提出神经系统的学习规则， 为神经网络的学习算法奠定了基础。现在，这个规 则被称为Hebb规则，许多人工神经网络的学习还遵 循这一规则