基于神经网络的模煳综合评价.pdfVIP

　　 第 23 卷　第 3 期 大 连 海 事 大 学 学 报 . 23, . 3 V o l N o 1997 年 8 月 Journa l of D a l ian M ar it im e Un iversity A u g 1997 基于神经网络的模糊综合评价 葛彩霞 (大连海事大学航海技术研究所) 　在模糊系统理论与神经网络理论基础上, 建立了一种基于神经网络的模糊综合评价模型, 其合成 〔摘要〕 运算采用加权平均算子“ - ·”, 其隶属函数调整采用误差反传算法. 并证明了这种算子的模糊综合评价神 经网络能收敛到唯一的极小点. 还给出了以三角模糊函数为隶属函数的模糊综合评价神经网络的隶属函数 调整算法. 关键词: 误差反传算法; 模糊综合评价; 神经网络 中图法分类号: O 233 1　模糊综合评价网络的建立 模糊综合评价就是通过一个模糊变换, 把评价因素集中的元素映射为评价结果集中相 应的元素, 但由于对各因素重视程度的不同, 需给各因素分配一个合理的权重. 因此, 模糊综 合评价中权重的合理分配问题一直是人们普遍关心的问题 由此, 我们想到了神经网络的学习功能, 由神经网络, 通 过一些实际的数据的反复学习, 可以使得最终的权重结果 在给定的精度范围内完全可靠. 我们建立一三层前馈神经网络来解决这一问题, 选取 一些历史数据或典型数据作为样本进行学习, 网络结构如 图 1 所示. 第一层为输入层, 输入各评价因素值x ; 第二层为中间 i 层, 实现模糊综合评价问题中求各因素对各指标的隶属度 值 r = (x ) ; 第三层为评价结果输出层, 输出评价结果 ij ij i 向量的各元 b = m in ( 1, a r ) ; 第一层与第二层之间的 j ∑i i ij 联接权为常值 1; 第二层与第三层之间的联接权为不同因 图 1　网络结构 素的权重值a , 即我们要调整的量; 在第二层与第三层之间通过权值a 实现模糊综合评价问 i i 收稿 日期: 1997- 04- 2 1 葛彩霞: 女, 1972 年生, 助教 © 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. 　3 期 葛彩霞: 基于神经网络的模糊综合评价　　　　　　　　　　　　　 97 题中的合成运算, 合成算子“”取为“ - ”; 作用函数为模糊隶属函数 ( ) 个因素