基于GA-BP贝叶斯算法的可靠性分析近似模型

摘要：

研究了GA-BP(Genetic Algorithm-Backpropagation)贝叶斯算法在可靠性仿真中的应用.GA-BP贝叶斯算法是一种新型前馈神经网络训练算法,它建立在遗传算法(GA)、L-M(Levenberg-Marquardt)BP算法以及贝叶斯方法这三者的基础上.由于该算法的训练目标是 获取对应于后验分布最大值的权值向量,并且在搜索过程中融入了遗传算法,因此能够使前馈神经网络具有更佳、更稳定的泛化性能.在可靠性仿真中,采用GA-BP贝叶斯算法来构造前馈神经网络近似模型,再用它来替代复杂费时的数值仿真程序进行Monte Carlo模拟,就能够在计算成本得到有效控制的同时获取随机输出变量的概率分布情况.

关键词：可靠性、Monte Carlo法、神经网络、BP算法、遗传算法

所属期刊栏目：35

分类号：TB114.3;TP391.9(工程基础科学)

资助基金：国家863计划资助项目2006AA04Z405

在线出版日期：2017-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：532-535