模糊优选神经网络多目标决策理论.pdf

第37卷第6期Vol.37,NO.6

1997年11月JournalofDalianUniversityofTechnologyNov.1997

X

(大连理工大学土木建筑学院116024)

把笔者建立的模糊优选理论与神经网络理论结合起来,提出确定网

络拓结构:隐含层数、隐含层节点数与节点激励函数的合理模式.提出模

糊优选神经网络权重调整BP模型;且网络有良好的学习功能.神经元激励

函数具有明确的物理意义.

:神经网络;多目标规划/模糊优选;网络拓扑结构;激励

函;权重调整

:TP18

0引言

模糊集理论与神经网络理论是当今国际两大前沿研究领域.它们反映了信息科学、智能

科学等实现革命性变革的迫切需要,是世界高新科技的热点.近十几年来,耗散结构、协同

学、浑沌与分形等理论的发展,使人们认识到非线性乃是一切复杂性之渊源.正是非线性的

作用与影响,才出现自然界、人类社会千变万化、错综复杂的风云变幻.笔者提出的模糊优选

理论与BP神经网络理论的结合模糊优选神经网络多目标决策理论是处理非线性系统多

目标优化的一个有效途径,它把多层模糊优选系统与神经网络系统相对应,构造合理网络拓

结构:隐含层数、隐含层节点数、节点激励函数的模式,这些是目前神经网络理论中研究得

很少又未很好解决的问题.在提出合理网络拓结构的基础上,又将模糊优选与神经网络BP

算法结合起来,提出模糊优选神经网络权重调整BP模型.建立起自网络拓结构至网络节

点之间连接权重调整模型的模糊优选神经网络多目标决策理论,对神经网络理论有所突破.

1模糊优选模型非线性函的Sigmoid型分析

优与劣这一对立概念之间既有差异又是共维,且处于两个极点,具有中介过渡性;这是

优选的模糊性,故称模糊优选.另一方面,优选是在有限论域的非劣解方案集中进行,且是

对一定的标准而言,这是优选的相对性.

根据这个基本论点,笔者提出的模糊优选(优化)模型1〔〕

mm

2/p

uj=11+∑(wi(1-rij))p∑(wirij)p(1)

i=1i=1

X国家自然科学基金资助项目

收稿日期:1997-01-05;修订日期:1997-10-11

煜:1930生士生导

694大连理工大学学报第37卷

uj方案j的相对优属度,rij方案j目标i的相对优属度,wi目标i的权重,m目标总

数,p距离参数.

采用p=1的海明距离,模型(1)变为

mm

2

uj=11+1-wirijwirij