ga演算法灰色模型

『壹』 關於灰色模型，模糊數學及神經網路

灰色模型

從灰色系統中抽象出來的模型。灰色系統是既含有已知信息，又含有未知信息或非確知信息的系統，這樣的系統普遍存在。研究灰色系統的重要內容之一是如何從一個不甚明確的、整體信息不足的系統中抽象並建立起一個模型，該模型能使灰色系統的因素由不明確到明確，由知之甚少發展到知之較多提供研究基礎。灰色系統理論是控制論的觀點和方法延伸到社會、經濟領域的產物，也是自動控制科學與運籌學數學方法相結合的結果。

糊性數學
研究和處理模糊性現象的數學理論和方法 。 1965 年美國控制論學者L.A.扎德發表論文《模糊集合》，標志著這門新學科的誕生。現代數學建立在集合論的基礎上。一組對象確定一組屬性，人們可以通過指明屬性來說明概念，也可以通過指明對象來說明。符合概念的那些對象的全體叫做這個概念的外延，外延實際上就是集合。一切現實的理論系統都有可能納入集合描述的數學框架。經典的集合論只把自己的表現力限制在那些有明確外延的概念和事物上，它明確地規定：每一個集合都必須由確定的元素所構成，元素對集合的隸屬關系必須是明確的。對模糊性的數學處理是以將經典的集合論擴展為模糊集合論為基礎的，乘積空間中的模糊子集就給出了一對元素間的模糊關系。對模糊現象的數學處理就是在這個基礎上展開的。

從純數學角度看，集合概念的擴充使許多數學分支都增添了新的內容。例如不分明拓撲、不分明線性空間、模糊測度與積分、模糊群、模糊范疇、模糊圖論等。其中有些領域已有比較深入的研究。

模糊性數學發展的主流是在它的應用方面。由於模糊性概念已經找到了模糊集的描述方式，人們運用概念進行判斷、評價、推理、決策和控制的過程也可以用模糊性數學的方法來描述。例如模糊聚類分析、模糊綜合評判、模糊決策、模糊控制等。這些方法構成了一種模糊性系統理論，構成了一種思辨數學的雛形，它已經在醫學、氣象、心理、經濟管理、石油、地質、環境、生物、農業、林業、化工、語言、控制、遙感、教育、體育等方面取得具體的研究成果。模糊性數學最重要的應用領域應是計算機智能。它已經被用於專家系統和知識工程等方面。

神經網路是：人的思維有邏輯性和直觀性兩種不同的基本方式。

神經網路的研究內容相當廣泛，反映了多學科交叉技術領域的特點。目前，主要的研究工作集中在以下幾個方面：

（1）生物原型研究。從生理學、心理學、解剖學、腦科學、病理學等生物科學方面研究神經細胞、神經網路、神經系統的生物原型結構及其功能機理。

（2）建立理論模型。根據生物原型的研究，建立神經元、神經網路的理論模型。其中包括概念模型、知識模型、物理化學模型、數學模型等。

（3）網路模型與演算法研究。在理論模型研究的基礎上構作具體的神經網路模型，以實現計算機饃擬或准備製作硬體，包括網路學習演算法的研究。這方面的工作也稱為技術模型研究。

（4）人工神經網路應用系統。在網路模型與演算法研究的基礎上，利用人工神經網路組成實際的應用系統，例如，完成某種信號處理或模式識別的功能、構作專家系統、製成機器人等等。

縱觀當代新興科學技術的發展歷史，人類在征服宇宙空間、基本粒子，生命起源等科學技術領域的進程中歷經了崎嶇不平的道路。我們也會看到，探索人腦功能和神經網路的研究將伴隨著重重困難的克服而日新月異。

邏輯性的思維是指根據邏輯規則進行推理的過程；它先將信息化成概念，並用符號表示，然後，根據符號運算按串列模式進行邏輯推理；這一過程可以寫成串列的指令，讓計算機執行。然而，直觀性的思維是將分布式存儲的信息綜合起來，結果是忽然間產生想法或解決問題的辦法。這種思維方式的根本之點在於以下兩點:1.信息是通過神經元上的興奮模式分布儲在網路上;2.信息處理是通過神經元之間同時相互作用的動態過程來完成的。

『貳』 最小二乘法、回歸分析法、灰色預測法、決策論、神經網路等5個演算法的使用范圍及優缺點是什麼

最小二乘法：通過最小化誤差的平方和尋找數據的最佳函數匹配。利用最小二乘法可以簡便地求得未知的數據，並使得這些求得的數據與實際數據之間誤差的平方和為最小。最小二乘法還可用於曲線擬合。其他一些優化問題也可通過最小化能量或最大化熵用最小二乘法來表達。優點：實現簡單，計算簡單。缺點：不能擬合非線性數據.
回歸分析法：指的是確定兩種或兩種以上變數間相互依賴的定量關系的一種統計分析方法。在大數據分析中，回歸分析是一種預測性的建模技術，它研究的是因變數（目標）和自變數（預測器）之間的關系。這種技術通常用於預測分析，時間序列模型以及發現變數之間的因果關系。優點：在分析多因素模型時，更加簡單和方便，不僅可以預測並求出函數，還可以自己對結果進行殘差的檢驗，檢驗模型的精度。缺點：回歸方程式只是一種推測，這影響了因子的多樣性和某些因子的不可測性，使得回歸分析在某些情況下受到限制。
灰色預測法：
色預測法是一種對含有不確定因素的系統進行預測的方法 。它通過鑒別系統因素之間發展趨勢的相異程度，即進行關聯分析，並對原始數據進行生成處理來尋找系統變動的規律，生成有較強規律性的數據序列，然後建立相應的微分方程模型，從而預測事物未來發展趨勢的狀況。它用等時間距離觀測到的反應預測對象特徵的一系列數量值構造灰色預測模型，預測未來某一時刻的特徵量，或者達到某一特徵量的時間。優點：對於不確定因素的復雜系統預測效果較好，且所需樣本數據較小。缺點：基於指數率的預測沒有考慮系統的隨機性，中長期預測精度較差。
決策樹：在已知各種情況發生概率的基礎上，通過構成決策樹來求取凈現值的期望值大於等於零的概率，評價項目風險，判斷其可行性的決策分析方法，是直觀運用概率分析的一種圖解法。由於這種決策分支畫成圖形很像一棵樹的枝幹，故稱決策樹。在機器學習中，決策樹是一個預測模型，他代表的是對象屬性與對象值之間的一種映射關系。優點：能夠處理不相關的特徵；在相對短的時間內能夠對大型數據源做出可行且效果良好的分析；計算簡單，易於理解，可解釋性強；比較適合處理有缺失屬性的樣本。缺點：忽略了數據之間的相關性；容易發生過擬合（隨機森林可以很大程度上減少過擬合）；在決策樹當中,對於各類別樣本數量不一致的數據，信息增益的結果偏向於那些具有更多數值的特徵。
神經網路：優點：分類的准確度高；並行分布處理能力強,分布存儲及學習能力強，對雜訊神經有較強的魯棒性和容錯能力，能充分逼近復雜的非線性關系；具備聯想記憶的功能。缺點：神經網路需要大量的參數，如網路拓撲結構、權值和閾值的初始值；不能觀察之間的學習過程，輸出結果難以解釋，會影響到結果的可信度和可接受程度；學習時間過長,甚至可能達不到學習的目的。

『叄』 灰色預測模型中的發展系數α怎麼求呀

a是發展系數，代表的是行為序列估計值的發展態勢；
b成為灰色作用量，它是從行為序列中挖掘出來的數據，反映的是數據變化的關系；
平均相對誤差其實並沒有硬性的規定多大以內可以用，多大以上不能用，它就是告訴你你的預測值准確程度，你可以翻翻相關的例子，看看的它們的平均相對誤差是多大。不過你這個貌似有點大；
c是S1/S2，叫均方差比值，就是行為序列的方差比殘差的方差；
p是小誤差概率，演算法有點類似概率論中的契訶夫不等式，這個用手算的話有些麻煩，下個軟體吧，這些數都能算出來，你只要知道它的意義就可以了。
望採納！

『肆』 灰色預測模型中的a、b代表什麼，還有平均相對誤差為2.454163，這個預測的結果可用嘛，怎麼計算c和p

a是發展系數，代表的是行為序列估計值的發展態勢；
b成為灰色作用量，它是從行為序列中挖掘出來的數據，反映的是數據變化的關系；
平均相對誤差其實並沒有硬性的規定多大以內可以用，多大以上不能用，它就是告訴你你的預測值准確程度，你可以翻翻相關的例子，看看的它們的平均相對誤差是多大。不過你這個貌似有點大；
c是S1/S2，叫均方差比值，就是行為序列的方差比殘差的方差；
p是小誤差概率，演算法有點類似概率論中的契訶夫不等式，這個用手算的話有些麻煩，下個軟體吧，這些數都能算出來，你只要知道它的意義就可以了。
望採納！

『伍』 下面的數據是否可用灰色預測模型或者應該用更高級的演算法預測

用神經網路遺傳演算法建模
不明白請網路

『陸』 遺傳神經網路識別原理

4.3.1 遺傳BP簡介

遺傳識別是遺傳演算法+神經網路的一種新興的尋優技術，適合於復雜的、疊加的非線性系統的辨識描述。神經網路演算法是當前較為成熟的識別分類方法，但網路權值的訓練一直存在著缺陷。為此結合具體應用，在對遺傳演算法進行改進的基礎上，本文採用了一種基於遺傳學習權值的神經網路識別方法，並取得了較好的效果。

盡管常規遺傳演算法是穩健的，但針對一個具體問題遺傳演算法只有和其他方法（或稱原有演算法）有效地結合在一起，組成一個新的混合演算法，才能在實際中得到廣泛應用。混合演算法既要保持原有演算法的長處，又要保持遺傳演算法的優點，因此常規遺傳演算法中的適應值函數、編碼、遺傳運算元等必須做適當的修改以適應混合演算法的要求。

4.3.1.1 適應值信息

常規演算法中，適應值常被表示為全局極小，用歐氏距離來實現。例如，適應值常被表示為如下形式：

圖4-5 改進的 GABP計算流程圖

GABP的計算過程圖如圖4-5所示。

『柒』 像排隊論MATLAB的模擬程序、灰色模型的演算法程序等！反正涉及數學建模需要編程的郵箱[email protected]

我有是有，還不少，可是電腦連不上網，又沒辦法用手機傳給你，不好意思啦！

『捌』 GA演算法是什麼

20世紀80年代初開始興起的啟發式演算法,包括禁忌搜索(tabu search,TS)、模擬退火(simulat...蟻群演算法是一種模擬進化演算法

『玖』 誰能告訴我遺傳演算法的ga函數裡面到底是怎麼設置參數的呢，交叉概率，變異概率什麼的。。。

MATLAB中，gaoptimset是用來設置遺傳演算法的優化參數的。

『拾』 灰色理論和遺傳演算法有關系嗎 都是應用數學的方法嗎

沒什麼關系，灰色理論主要應用於預測方面，遺傳演算法主要利用於優化方面。