基于遗传算法的BP神经网络服装销售预测方法

doi:10.13190/j.jbupt.2014.04.009

北京邮电大学学报 ›› 2014, Vol. 37 ›› Issue (4): 39-43.doi: 10.13190/j.jbupt.2014.04.009

基于遗传算法的BP神经网络服装销售预测方法

罗戎蕾^1,2, 刘绍华³, 苏晨²

1. 浙江理工大学服装学院, 杭州 310018;
2. 浙江省服装工程技术研究中心, 杭州 310018;
3. 北京邮电大学电子工程学院, 北京 100876

收稿日期:2013-07-07 出版日期:2014-08-28 发布日期:2014-08-09
作者简介:罗戎蕾（1974-），女，副教授，E-mail：luoronglei@163.com.
基金资助:
浙江省重点科技创新团队计划资助项目（2011R50004）；浙江自然科学基金资助项目（LQ12F02018）；国家自然科学基金项目（60703036）

Garment Sales Forecast Method Based on Genetic Algorithm and BP Neural Network

LUO Rong-lei^1,2, LIU Shao-hua³, SU Chen²

1. School of Fashion, Zhejiang Sci-Tech University, Hangzhou 310018, China;
2. Engineering Research Center of Clothing of Zhejiang Province, Hangzhou 310018, China;
3. School of Electronic Engineering, Beijing University of Posts and Telecommunications, Beijing 100876, China

Received:2013-07-07 Online:2014-08-28 Published:2014-08-09

摘要/Abstract

摘要：

针对服装企业产品销售的复杂性以及特殊性，提出一种有效的神经网络学习模型. 在对服装销售影响因子分析的基础上建立销售预测网络模型，利用遗传算法对后向传播神经网络的各连接权值进行优化计算. 方法综合了后向传播神经网格和遗传算法两者的优势，既具有神经网络强大的学习能力，又具有遗传算法的全局搜索能力.

关键词: 销售预测, 遗传算法, 后向传播神经网络

Abstract:

The neural network learning models was proposed, focusing on complexity and particularity of product sales in garment industry. The network model was established to predict the impact on garment sales on basis of factor analysis and optimized by using genetic algorithms for each connection weights of back propagation (BP) neural network. The method combines the strong learning ability of the BP neural and the global search capability of genetic algorithms.

Key words: sales forecast, genetic algorithm, BP neural network

中图分类号:

TS941.26

罗戎蕾, 刘绍华, 苏晨. 基于遗传算法的BP神经网络服装销售预测方法[J]. 北京邮电大学学报, 2014, 37(4): 39-43.

LUO Rong-lei, LIU Shao-hua, SU Chen. Garment Sales Forecast Method Based on Genetic Algorithm and BP Neural Network[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2014, 37(4): 39-43.

[1]	许同乐, 苏元浩, 孟良, 兰孝升, 李云凤. 优化GAN的风电机组齿轮箱故障诊断方法[J]. 北京邮电大学学报, 2023, 46(3): 62-66.
[2]	张经天, 马莹, 翁迅, 孙壮志, 张继龙. 四向穿梭车系统的提升机调度优化[J]. 北京邮电大学学报, 2022, 45(1): 19-25,81.
[3]	余修武, 黄露平, 刘永, 余昊, 李佩. 遗传-禁忌搜索优化的三维DV-Hop定位算法[J]. 北京邮电大学学报, 2021, 44(4): 75-81.
[4]	王怀江, 刘晓平, 王刚, 韩松. 基于改进遗传算法的移动机械臂拣选路径优化[J]. 北京邮电大学学报, 2020, 43(5): 34-40.
[5]	刘寒. 混合采样与遗传算法相结合的垃圾网页检测[J]. 北京邮电大学学报, 2019, 42(6): 111-117.
[6]	赵雄文, 孙宁姚, 耿绥燕, 张钰, 杜飞. 基于最小二乘支持向量机的时变信道建模[J]. 北京邮电大学学报, 2019, 42(5): 29-35.
[7]	徐涵喆, 黄逸彬, 杨赫, 周钟秉, 刘晓. 基于规则的城市地下车库外圈车位排布启发式算法[J]. 北京邮电大学学报, 2019, 42(4): 102-108.
[8]	舒坚, 贾晨浩, 陶娟. 基于改进最小二乘支持向量回归机的链路质量预测[J]. 北京邮电大学学报, 2018, 41(2): 44-49.
[9]	张洪, 龚勇, 潘志松, 胡谷雨. 结合遗传算法与启发式搜索的卫星频谱资源动态规划[J]. 北京邮电大学学报, 2017, 40(s1): 5-9.
[10]	蔚承英, 吴兰, 刘焕淋, 陈勇. 编码链路最少的多源光组播路由[J]. 北京邮电大学学报, 2017, 40(5): 87-91.
[11]	李鹏, 刘远, 王裕华. 基于NSGA-II的通信电缆绞合节距优化[J]. 北京邮电大学学报, 2017, 40(2): 88-92.
[12]	吴润泽, 高丽媛, 唐良瑞, 朱佳佳. 认知无线网Underlay模式下频谱资源优化分配[J]. 北京邮电大学学报, 2017, 40(1): 105-110.
[13]	冯霞, 郝慧敏. GA-ACO算法用于IMX系统测试数据自动生成[J]. 北京邮电大学学报, 2016, 39(5): 99-103.
[14]	孙学宏, 于向明, 刘丽萍, 曾志民, 张成. 一种新的INSAR相位解缠方法[J]. 北京邮电大学学报, 2016, 39(2): 10-14,34.
[15]	赵学军, 李育珍, 雷书彧. 基于遗传算法优化的稀疏表示图像融合算法[J]. 北京邮电大学学报, 2016, 39(2): 73-76,87.

基于遗传算法的BP神经网络服装销售预测方法

Garment Sales Forecast Method Based on Genetic Algorithm and BP Neural Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价