论文部分内容阅读
提出一套支持向量机和多目标进化算法的融合建模技术（SVM-EMO）以及计算框架，并采用差分进化算法（DE）选择支持向量机参数，并将SVM-EMO应用于一个钢铁企业产品质量管理实例，与人工神经网络的建模结果相比，所提框架结果拟合误差更小，精度更高，能够更好地解决质量管理研究中的多目标非线性优化问题．最后根据模型求解结果，给出了相应的生产建议．