基于实数编码遗传算法的神经网络成本预测模型及其应用
刘威
李小平
毛慧欧
柴天佑
1.东北大学,自动化研究中心,辽宁,沈阳,1100042.东北大学,自动化研究中心,辽宁,沈阳,1100043.东北大学,自动化研究中心,辽宁,沈阳,1100044.东北大学,自动化研究中心,辽宁,沈阳,110004
摘要：在生产过程中,影响产品成本的因素多而复杂,因素之间相互影响,存在耦合现象,因此准确预测成本是一个重要又难以解决的问题.通过遗传算法(Genetic Algorithm)与误差反向传播(Error Back Propagation)神经网络相结合,提出了用实数编码的自适应变异遗传算法训练神经网络权重的混合算法,避免了传统神经网络易陷入局部极小的缺点.以矩阵形式表示产品成本组成,建立了产品成本组成模型,以此为基础建立了考虑成本因素之间互相影响的神经网络产品成本预测模型,并成功应用于某钢铁企业产品成本的预测,提高了预测精度.
关键词：成本预测遗传算法神经网络实数编码
分类号：TP9(自动化技术、计算机技术)
资助基金：国家自然科学基金(60074019)国家高技术研究发展计划（863计划）(2001AA413510)国家科技攻关计划(2001BA201A03-KHKZ0002)
论文发表日期：2004-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 423-426,431 )
英文信息