基于遺傳神經(jīng)網(wǎng)絡(luò)的投標(biāo)報(bào)價(jià)系統(tǒng)的研究.pdf

1、該文針對(duì)建筑行業(yè)投標(biāo)報(bào)價(jià)過(guò)程中的種種難題,利用遺傳算法和神經(jīng)網(wǎng)絡(luò)等人工智能技術(shù)開(kāi)發(fā)一套投標(biāo)報(bào)價(jià)決策支持系統(tǒng).全文主要的研究?jī)?nèi)容和研究成果概括如下:針對(duì)建筑行業(yè)投標(biāo)報(bào)價(jià)過(guò)程中難以確定"投標(biāo)形勢(shì)"的難題,使用遺傳算法和神經(jīng)網(wǎng)絡(luò)的結(jié)合來(lái)實(shí)現(xiàn)建筑工程投標(biāo)報(bào)價(jià)模型,克服了BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)效率慢,局部極小等缺陷.實(shí)驗(yàn)結(jié)果表明:使用遺傳算法和神經(jīng)網(wǎng)絡(luò)結(jié)合的投標(biāo)報(bào)價(jià)模型更加符合實(shí)際的報(bào)價(jià)需要.遺傳算法具有良好的全局搜索性,將它應(yīng)用于網(wǎng)絡(luò)權(quán)值學(xué)習(xí)可以克服

2、BP算法的局部極小缺陷.該文把隨機(jī)抽取的m組權(quán)值分配到m個(gè)神經(jīng)網(wǎng)絡(luò)中.然后將經(jīng)過(guò)0-1數(shù)字化處理的訓(xùn)練集樣本送入網(wǎng)絡(luò),利用BP算法訓(xùn)練網(wǎng)絡(luò)得出m組權(quán)值;之后采用實(shí)數(shù)編碼,將神經(jīng)網(wǎng)絡(luò)的權(quán)重作為GA的染色體,生成基因群體,再使用遺傳算法尋優(yōu),使解碼得到的參數(shù)組合充分接近最佳參數(shù)組合,在此基礎(chǔ)上再用BP算法對(duì)它們進(jìn)行細(xì)調(diào),從而來(lái)實(shí)現(xiàn)遺傳算法和神經(jīng)網(wǎng)絡(luò)的結(jié)合,完成對(duì)投標(biāo)快速報(bào)價(jià)系統(tǒng)的建模.在合理建模的基礎(chǔ)上,使用MSTLAB軟件上進(jìn)行了初步實(shí)現(xiàn)