摘要(中) |
系統動力學透過模型的建立與模擬來解決動態性複雜的問題。傳統的建模過程是由專家的經驗與反覆的試誤來建構模型。陳耀宗的研究則將系統動力模型(System
Dynamic Models, SDM)轉換為類神精網路(Artificial Neural Network,
ANN)的結構,以訓練資料來幫助網路的學習,實證了其有效性與使用性。本文則在SDM-PRN轉換法中引入基因演算法(Genetic
Algorithms,
GAs)的概念,以演化的方式來幫助PRN的學習,藉由GAs以補足ANN在學習上的問題與限制。實驗結果發現GAs的確可以學習出與ANN一樣或是近似的結果,但是所使用的資料與訓練的循環都能大幅減少;並且使用GAs的方法可以學習出更多的可能解,提供建模者參考資訊。
|