论文部分内容阅读
在如今市场竞争的环境中,企业规模的不断扩大,库存单位的种类和数量越来越多,库存单位分类的标准也越来越多.神经网络由于其能检测和提取变量之间的非线性关系和相互作用,以及其预测模式不依赖于关于变量的各种假设.因此本文提出了一种差分进化算法(DE)结合BP(back propagation)神经网络的库存分类模型,运用DE算法对BP神经网络的权值和阈值进行优化,再将优化后的权值和阈值带入神经网络中进行预测.通过数值实验证明了DE-BP神经网络在多标准库存分类上的有效性.