黄金生产工艺参数的优化

本文探讨了神经网络与遗传算法相结合协同求解黄金生产工艺参数的优化问题。该方法既利用了神经网络的自学习、自适应非线性映射和预测功能，又利用了遗传算法的全局优化特性，实例证明该方法是合理的、可行的。     

利用遗传算法优化的小波神经网络实现地热资源预测

文章主要介绍了一种基于遗传算法优化的小波神经网络进行地热资源评测的方法。选择对地热资源产生具有较大影响的火山、地震、布格重力、磁异常、到断层距离和地下水SiO2组分作为评测影响因子,利用小波神经网络优异的时频转换、网络自学习特性和遗传算法的全局优化特点,将两者相结合,对网络参数进行优化,并进行网络自学习。通过数据仿真得到的预测值与实际值基本一致,证明了该方法具有良好的地热资源评测前瞻性。     

基于遗传算法和人工神经网络的煤层厚度预测

将具有高度非线性识别能力的人工神经网络与遗传算法相结合,探讨了应用于煤层厚度预测的方法,提出了先用遗传算法优化神经网络,再进行结果预测。实践表明,该方法有效提高了精度,对煤层厚度预测提供了一个重要模型。     

用遗传算法进行通风系统优化的研究

提出了一种用遗传算传法优化通风系统的新方法。该方法简单、实用，并且具有全局收敛的特点。通过实际例子验证，说明将遗传算法用于解决通风系统优化问题是可行的，为类似问题的解决开辟了一条新的技术途径。     

南京玄武湖隧道工程水文地质参数的遗传反演

该文提出了求解水文地质参数的遗传反演算法 ,并将该方法应用于玄武湖隧道工程中。结果表明 ,用遗传算法反演水文地质参数是可行的 ,与其它确定水文地质参数的方法相比较 ,该方法具有较高的精度 ,能应用于实际工程的计算     

陡帮开采工作帮结构优化的遗传算法

在对组合台阶结构进行理论分析的基础上 ,建立了遗传算法数学模型 ,并用矿山实例说明了基于遗传算法的陡帮开采工作帮结构分析方法的可行性     

在线调度中加工参数优化研究

建立了基于成本分析的在线调度加工参数优化模型,给出了处理不同批次工件的调度规则,利用遗传算法在调度的同时选择合适的加工参数,最终达到总成本最小的目标。利用某加工企业的实际算例验证了模型的合理性及算法的有效性。计算结果可知:提出的模型和算法确实能有效地实现成本控制。     

基于人工神经网络的冲击地压预测

本文应用Matlab语言编写了BP神经网络程序，并对BP算法做了一定的改进，用此算法对冲击地压进行了预测，结果令人满意。     

液压挖掘机智能化控制系统

提出一种基于模糊算法和遗传算法相结合的自适应控制方法,对挖掘机的挖掘轨迹进行自动控制,取得了较好的应用效果。     

混合遗传算法求解经典作业车间调度问题

在研究遗传算法和模拟退火算法的基础上,提出了求解经典作业车间调度问题的混合遗传算法的设计方案,并提出了一个新的编码方法,阐述了相应编码的解码规则。仿真计算验证了混合算法的可行性和有效性。     

一种改进的灰度匹配新算法

灰度匹配新算法是在传统算法基础上改进而来。它先根据信息量的大小选取部分影像进行粗匹配,粗匹配通过后再用相关系数法进行精匹配。实验表明,本文所提出的方法较现存的方法精度高、速度快。     

龙滩水电站左岸高边坡裂隙岩体渗透张量遗传反演

应用遗传算法对龙滩水电站工程左岸高边坡地区岩体渗透性参数作了反演 ,计算结果精度较好 ,与实际地质资料分析结论基本一致 ,表明遗传反演方法在实际工程中应用是可行的     

基于遗传算法和CC2430的井下人员定位系统研究

为了进一步提高井下人员的定位精度和实际应用效果,提出了基于遗传算法和CC2430的井下人员定位系统,将遗传算法应用于三边测量算法中,通过优化三遍测量算法的误差函数获得更精确的未知节点位置,实验中则采用集成定位引擎的CC2430射频芯片,并在实际环境下进行测验。结果表明,该算法具有更高的定位精度。     

即时通讯系统中负载均衡策略的研究

通过对Zomaya遗传算法的改进,设计了针对即时通讯系统的负载均衡策略。介绍了基于遗传算法的负载均衡策略的实现过程和负载均衡系统的结构和主要部件。最后通过仿真试验的结果证明,该负载均衡策略能够较好地解决在大任务量的情况下,即时通讯系统中异构节点间的负载平衡问题,提高系统的整体处理能力、反应速度和稳定性。     

基于GA和LS-WSVM矿区地表下沉系数预测

 针对传统方法中预计地表下沉系数存在的缺陷。以我国典型的地表移动观测站数据为例,采用启发式算法遗传算法进行参数寻优,提出将小波理论与最小二乘支持向量机结合而成的最小二乘小波支持向量机的方法对地表下沉系数进行预测。实验结果表明,与改进的BP神经网络和PSO-SVM两种方法相比,基于GA和LS-WSVM矿区地表下沉系数预测方法收敛速度更快,精确度更高。     

遗传算法和模矢法结合的概率积分法参数反演方法

遗传算法在反演概率积分法预计参数时从参数取值范围内的串集开始搜索,并使用弹性策略来维持群体的多样性,使得算法可以跨过局部收敛的障碍,向全局最优解方向进化;但这种概率化的寻优算法存在局部探索能力差、结果不稳定的缺陷,只能获得问题的近似最优解。模矢法是一种降梯度算法,算法局部探索能力强、收敛快;但这种算法对初值选取敏感,初值选择不当易陷入局部极值。本文提出并实现了一种模矢法与遗传算法结合的组合算法:先使用遗传算法求得参数的全局近似最优解,然后将近似最优解作为探索初值,使用模矢法获得参数的稳定、精确最优解。研究结果表明:组合算法反演概率积分法预计参数的精确度高、收敛快、稳定性好,综合性能较遗传算法和模矢法有明显优势。     

遗传神经网络预测模型在选矿中的应用

分析遗传算法（ＧＡ）及ＢＰ神经网络（ＮＮ）的理论基础,提出了ＧＡ与ＮＮ结合的主要方式和步骤。讨论了基于遗传神经网络的建模思路,主要针对矿石可选性预测、选矿生产指标预报问题,建立相应的遗传神经网络模型。论述了选矿数据预处理的方法和ＧＡ－ＢＰ神经网络的设计。通过实例验证,模型的预测精度达到９０％以上。     

遗传算法在工程机械传动轴优化设计中的应用

简单介绍了遗传算法原理,提出一个适合于求解连续变量约束非线性规划问题的算法,给出了相应的程序框图。使用此算法求解了工程机械传动轴优化设计问题,其结果表明了遗传算法的可行性和实用性。     

基于有限元建模和组合优化策略的复杂结构优化设计

提出了一种对复杂机械结构进行优化设计的方法。该方法将正交试验法和遗传算法有机结合,在参数化有限元建模的基础上实现对机械结构的优化设计。实验证明,该方法具有较高的可行性。     

十进制遗传算法在水文地质参数识别中的应用

以Theis模型为例,讨论了十进制遗传算法在水地质参数识别中的应用,应用实例计算表明,该方法和传统的配线法与高斯牛顿法相比,具有更好的克腚性和更高的精度,与二进制遗传算法比较,采用十进制编码表示较为自然,容易引入相关领域知识,对于大部分数值优化问题,特别是求解说不得和杂优化问题,十进制编码算法效率高。