Matlab神经网络工具箱NNTool在配送中心选址中的应用.docVIP

Matlab神经网络工具箱NNTool在配送中心选址中的应用 　　摘 要：该文主要介绍了Matlab软件中Neural Network工具箱的NNTool的功能，并详细的介绍了如何利用NNTool工具箱实现神经网络的设计、仿真和性能分析。在此基础上以配送中心选址为例，进行了仿真研究，进而得到最佳的选址方案，结果表明利用NNTool工具箱进行仿真快速简单精确，便于修改。 　　关键词：神经网络；NNTool；配送中心选址 　　中文分类号：TP391.9 　　人工神经网络，是近几年来国内外一个前沿研究领域，有很强的自主学习能力以及由此而来的泛化能力，传统的依靠技术人员编写程序仿真再到分析结果需要很长的时间不断探索，并且需要改变网络结构、训练算法和训练参数来优化网络，为工作人员带来了诸多不便，因此需要找到一种更为简单的建模工具。 　　MatlabR2013a神经网络工具箱为使用者提供了多种多样的神经网络和函数，我们使用时就可以通过这些函数来训练网络、修改网络，用网络进行仿真。使用神经网络工具箱中的NNTool对神经网络进行设计、训练和仿真比编程更加便捷直观，并且仿真结果证明完全能够满足一般工程设计人员的需要[1]。 　　1 NNTool的基本功能及应用介绍 　　进入Matlab命令窗口以后，在窗口输入nntool，即弹出神经网络设计主界面（如图1）。 　　1.1 样本数据的导入 　　在NNTool中有两种途径可生成样本数据： 　　（1）点击主界面的Import按钮，弹出子窗口，从工作空间或.mat文件中导入相应数据； 　　（2）点击New，之后选择Data按钮，在弹出窗口中直接输入。 　　图1 NNTool设计主界面 　　1.2 网络的创建 　　待数据读取以后，返回主界面，点击主界面中的New按钮，在弹出的对话框中可以对网络的名称、类型、结构和训练函数等进行设置，系统默认的Network Type为BP网络，其中Training function为训练函数，Performance function为性能函数，Number of layers指隐含层的数目，设置完毕后点击Creat即可，网络创建如图2所示。 　　图2 网络创建 　　1.3 网络的初始化 　　神经网络创建完之后，网络的权值和阈值已经进行了初始化，若要对权值和阈值重新编辑，则点击图3中的Weights选项即可。 　　图3 神经网络结构图 　　1.4 网络的训练 　　网络创建完成后。回到主界面，双击Networks中已经建好的网络，弹出子窗口即图3，我们可以看到输入层有7个节点，隐层有17个节点，输出层有1个节点。点击图3中的Train选项到训练页面如图4、5所示，可以通过Training Info中的Inputs和Targets选择要训练的样本，在Training Parameters中填入相应的训练参数，有结果频率显示（show）、训练的最大循环次数（epochs）、性能目标（goal）最大验证数据失败的次数（max_fail）等。设置好以后点击右下方的Train Network即可对网络进行训练。 　　图4 网络的训练页面 　　图5 训练参数设置页面 　　1.5 网络的仿真 　　网路训练好后，返回到图5的界面，点击界面中的Simulate选项，之后在Inputs选项中选择要仿真的输入数据，再点击Simulate network就完成了仿真，主界面的Outputs框中出现仿真结果变量。 　　1.6 结果和数据的导出 　　仿真结束后，此时可以双击主界面中的network_outputs来查看仿真输出，在主界面点击Export按钮，弹出如图6的数据窗口，此时就可以选择你要保存的项，此时选中你要导出的变量点Export即可把所选变量导出至工作空间，如若点击Save则弹出文件对话框，则可将所选变量保存至相应文件中。 　　图6 数据导出窗口 　　2 NNTool在配送中心选址中的仿真应用 　　合理的物流配送中心选址能节省费用，加快货物的流通，增加物流企业的收益，因此，物流配送中心的选址决策对于整个物流系统的优化是个十分重要的问题。利用NNTool中的BP算法则可以较客观地评价不同的方案，可以通过不断的网络学习得到最优选址网络模型，进而可以预测未知样本的最优选址方案。 　　2.1 样本的预处理 　　综合物流配送中心的选址的原则确定以地址条件、客户分布、候选地地价、供应商分布、运输距离、通信条件和候选地面积为7个输入，专家评价结果作为网络的期望输出[3]，输入输出各10组数据，再选5组样本进行测试，在训练之前需要对样本进行预处理即把样本数据进行归一化，把样本归一到[0，1]之间。归一化后的输入样本和测试样本如表1、表