基于Ga-BP神经网络的色纺纱配色

针对传统配色方法及配色算法存在不足之处,利用BP神经网络对色纺纱进行配方预测,并用遗传算法对其进行改进.结果表明:将遗传算法引入到BP神经网络,可优化BP神经网络配色模型;测试样本包含在训练样本中时,预测配方精度非常高,配方绝对误差均值几乎为0;而测试样本不包含在训练样本中时,预测配方精度较低,配方绝对误差均值为0.033,初次打样色差均值为1.69 CMC(2∶1),大于1 CMC(2∶1).     

基于IGWO-SVM的超声辅助磨削Al2O3陶瓷表面粗糙度预测

为预测超声辅助加工Al2O3陶瓷表面粗糙度,进行了超声辅助磨削Al2O3陶瓷试验.用改进的灰狼优化算法(IGWO)对支持向量机(SVM)进行参数优化,建立IGWO-SVM预测模型,并与PSO-SVM预测模型、CS-SVM预测模型、GWO-SVM预测模型进行比较.结果表明:IGWO-SVM预测模型预测值与试验值最大绝对误差值为0.4119,最小绝对误差值为0.0024,平均绝对误差值为0.1456,平方相关系数为0.931092,均方误差为0.0003998,相比PSO-SVM预测模型、CS-SVM预测模型、GWO-SVM预测模型,该模型具有更高的预测精度和可靠度,能够对超声辅助磨削Al2O3陶瓷表面粗糙度进行更精准的预测.     

遗传算法改进研究

遗传算法是一种比较成熟的智能算法,一般通过改进遗传算法的算子达到提高算法性能的目的.本文提出一种改进的遗传算法,新的遗传算法对标准的遗传算法中的编码、适应度函数等方面对遗传算法进行了改进,并通过Visual C++软件编程计算,得到了较好的优化结果,实验结果表明提出的算法是有效的.     

解空间种群均匀化自适应遗传算法的应用

提出了一种新型解空间种群均匀的自适应遗传算法，并采用随机方法对初始种群加以改进，使初始种群均匀分布于解空间之中.在优化进程中，引入自适应算法，使交叉的变异算子具有自适应性；将自适应调节机制引入适应值函数中，使适应值函数同样具有自适应性.为证实所提出的改进遗传算法的可行性和有效性，对几种典型的多峰值函数进行了寻优测试.优化测试结果与解析解及标准遗传算法优化结果相对比，证明改进遗传算法的全局搜索能力和收敛性都远优于标准遗传算法.     

一种改进的遗传算法及其应用

遗传算法由于其隐合并行性和全局搜索特性,使其具有其他常规优化算法无法拥有的优点.然而,标准遗传算法存在着收敛速度慢、易"早熟"等缺陷.针对应用标准遗传算法时所存在的局限性,从适应值、交叉和变异算子以及控制参数的选取等多方面进行了遗传算法的改进设计.这种改进的遗传算法可进一步改善算法的搜索能力、搜索效率和收敛性能.最后以(N M)客错系统的优化模型作为优化目标,得到了费用模型的最优解.计算结果验证了算法的有效性和正确性.     

基于改进自适应遗传算法柔性形态滤波器优化

针对柔性形态滤波器的高效优化问题,提出了一种改进的自适应遗传算法. 该算法在柔性形态滤波器参数的优化设计方面,对选择、交叉和变异等运算进行了改进,并通过对柔性形态滤波器优化的仿真试验与标准遗传算法性能进行比较,结果显示该算法具有更好的快速优化效果.     

实码退火遗传算法在厂内经济运行中的应用

针对一般优化算法在大型水电站厂内经济运行中精度低或计算速度慢的缺点,对实数编码退火遗传算法（AGA）进行改进,并用于大型电站厂内经济运行.模拟退火算法是在遗传算法（GA）中引入模拟退火算法（SA）,它吸收了遗传算法速度快和模拟退火精度高的优点.此外,对传统退火搜索方法的改进,进一步提高了退火遗传算法解决大型优化问题的能力.为了体现退火遗传算法的特点,对某一大型水电站分别采用退火遗传算法、动态规划（DP）、加速遗传算法（AG）、标准遗传算法（SGA）和模拟退火进行了经济运行计算,计算结果表明退火遗传算法易于实现,精度高,收敛速度较快,有一定实用价值.     

基于遗传算法的背靠背换流站控制系统参数优化

背靠背换流站控制系统参数优化能够有效改善系统的运行性能.在研究背靠背换流站控制系统的工作原理后,推导出定电流、定电压、定熄弧角和定功率控制方式下系统的数学模型.把时间与绝对误差乘积的积分函数作为遗传算法的适应度函数,即控制系统参数优化的目标函数.给出了遗传算法用于参数优化的寻优过程及其参数的确定方法.最后,以灵宝背靠背换流站控制系统为例,给出了参数的优化结果,分析了换流站交流侧故障时直流系统的暂态过程.结果证明了遗传算法用于背靠背换流站控制系统参数优化的可行性和有效性.     

改进遗传算法在燃气管网布局优化中的应用

燃气管网布局优化对整个系统经济性起着重要作用.以树状燃气管网为研究对象,以管线总长度最短为优化目标建立数学模型,设计了基于遗传思想的燃气管网优化布局的搜索过程.并对基本遗传算法进行改进,设计了单亲交叉算子、倒位算子以及相应的适应度函数.应用改进的遗传算法进行树状管网布局优化能够得到一组最优或次优的布局形式.计算表明,与传统方法相比,遗传算法具有很大的优越性和实用价值.     

基于遗传算法的两级轮边减速器可靠性优化

在保证双级行星齿轮传动系统可靠性的前提下,尽可能使轮边减速器得到最小体积.利用多目标改进的遗传算法进行优化设计.使用iSIGHT软件遗传算法工具箱对其进行了优化计算.对多目标遗传算法的改进进行了研究.改进了遗传编码,选择算子,局部的搜索过程等.与行星齿轮系统的普通优化相比,因遗传算法不要求目标函数连续可微,并通过改进形成了局部贪婪性搜索过程,增强了遗传算法的局部搜索能力.因此比普通优化结果提高了13.3%,并且这一结果已经在工程应用中得到了证实.同时也验证了改进的遗传算法对解决多目标优化问题的可行性和优越性.     

基于SVM-GA模型的城市天然气长期负荷预测

天然气长期负荷预测能够解决城市燃气供需不平衡的问题,为城市燃气公司的管理运行提供帮助。为了提高天然气长期负荷的预测精度,提出了基于SVM-GA(SupportVectorMachines-GeneticAlgorithm)的天然气长期负荷预测模型。分析确定影响天然气用气量的相关因素,应用遗传算法和交叉验证方法分别对支持向量机模型的惩罚因子c 及核函数参数g 进行优化,以期提高支持向量机模型的预测精度,将优化后的参数输入支持向量机模型中,进行天然气长期负荷预测。以某省实际的样本数据为例,将SVM-GA模型的预测结果与SVM 和交叉验证法结合模型及BP(BackPropagation)神经网络模型的预测结果进行比较分析。结果表明,SVM-GA 预测模型分别比SVM 和交叉验证法结合预测模型和BP神经网络模型在衡量预测精度的相对均方误差、归一化均方误差、归一化绝对平方误差、归一化均方根误差、最大绝对误差五个指标分别高0.58%、3.98%、2.99%、4.58%、8.64%和6.13%、26.28%、19.71%、21.09%、31.48%。因此支持向量机与遗传算法相结合的模型能够较准确地预测天然气长期负荷。     

基于不同神经网络模型的冷凝器两相换热量的研究

在混合工质下利用4种神经网络模型(反馈神经网络模型(BP)、遗传神经网络模型(GA - BP)、极限学习机网络模型(ELM)和递归神经网络模型(RNN))预测了板式换热器的换热量(含相变换热).结果显示:热源温度为30、40、50 ℃时,GA - BP神经网络模型的平均绝对误差(MAE)、平均相对误差(MAPE)和均方根误差(RMSE)均小于其他3种神经网络模型,且与实际值接近.该结果表明,GA - BP神经网络模型比其他3种神经网络模型更适用于预测板式冷凝器的换热量(含相变换热).     

基于交叉熵-遗传算法的武器目标分配问题研究

武器目标分配问题是军事领域中重要的研究课题,其主要任务是在一定的条件下将武器与来袭目标合理分配,以达到最大的作战收益. 提出了一种将遗传算法融入交叉熵算法的混合算法. 首先,通过交叉熵算法将原本的武器目标分配优化问题与估计问题联系起来,构建满足武器目标分配方案解的离散概率分布矩阵,进而根据矩阵生成代表解的多个样本. 然后,利用遗传算法中的选择、交叉、变异操作增加样本的多样性. 最后,利用推导出最优解的迭代公式来更新矩阵,当满足迭代终止条件时输出的矩阵即为最优解. 分别针对二维单目标函数优化问题和武器目标分配问题进行计算对比,计算结果验证了交叉熵-遗传算法的有效性.     

基于邻域决策误差率的层次分类在线流特征选择

在实际应用领域中,存在许多特征空间无法预先给定的场景,数据以特征流的形式随时间动态流入特征空间,而样本数量是固定不变的. 同时,数据的类别中往往存在丰富的层次化结构关系,传统的特征选择算法在性能上已无法满足需求. 基于此,本文提出一种面向层次分类学习的在线流特征选择算法. 首先,利用兄弟节点之间的关系设计了一种基于最大近邻的决策误差率计算公式. 其次,设计在线重要性选择和在线冗余更新两种在线评估准则,用于选择决策误差最小的特征子集. 最后,在6个层次数据集上的实验结果表明,所提算法优于一些现有的在线流特征选择算法.     

基于遗传算法的含金属混合炸药配方设计

论述了混合炸药配方设计的基本思想,对含金属混合炸药,在考虑所有可能生成产物的情况下,给出爆炸反应方程式,得到了其配方设计的数学模型.利用遗传算法(GA)对示例模型进行求解,结果表明遗传算法能快速收敛到模型的最优解,而且求解结果符合最大放热原则,所求配方比例可以作为配方设计的参考值.     

基于支持向量机-CV的天然气水合物生成预测

天然气水合物的生成过程是一个多组分、多物态的系统,存在着复杂的结晶成核过程,需要考虑压力、温度、促进剂、搅拌速度等因素的影响,不但涉及动力学问题还涉及热力学问题,对其生成很难进行精确预测。基于支持向量机理论,结合实验数据,建立支持向量机预测模型来进行天然气水合物生成时的相平衡压力预测,采用平均平方误差、平方相关系数,以及平方绝对百分比误差和平均绝对误差等四种误差公式对预测精度进行评估, 结果分别为8.37008×10^-5、99.8976%、0.5424%、1.9900%,还对源数据进行了归一化([1,2])预处理以及利用交叉验证方法对核参数g(4)和惩罚因子c(1.4142)进行了优化。模拟结果显示,由支持向量机预测模型得到的相平衡压力与实际实验获得的相平衡压力基本一致,预测效果较理想,证明该模型具有较高的准确性和可靠性。     

基于划分工作方式的中央空调达标时间预测

为了同时满足中央空调温湿度控制工艺要求和企业节能降耗要求,解决中央空调达标时间预测问题,提出了一种在划分空调工作方式基础上的组合预测模型. 在加温加湿工作方式下,采用随机森林算法构建分类预测模型,用深度特征提取后的高级特征作为模型输入,解决了小样本分类预测的过拟合问题. 为进一步降低算法时间复杂度,利用改进粒子群方法对模型参数寻优. 在降温除湿工作方式下,使用K近邻算法动态划分类别区间,并利用密度峰值改进SMOTE算法解决类别不平衡问题,采用极限梯度提升算法构建分类模型. 考虑到空调延迟开启或提前开启对企业效益造成的损失不同,采用多角度综合评价方法对模型进行评估. 通过与支持向量机(现用模型)等多种预测模型的对比实验,验证了组合模型的有效性和实用性. 实验表明组合模型平均绝对误差为3.2 min,与现用模型相比,组合模型折标能耗降低了14.71%.     

基于遗传算法的BP神经网络在声音智能监控中应用

针对标准的BP神经网络对于声音信号在线监控模型的预测误差比较大,提出了一种用遗传算法优化BP神经网络的算法,建立了声音监控的预测模型。遗传算法优化BP神经网络主要是用遗传算法来优化BP神经网络的初始权值和阀值,然后通过训练BP神经网络以得到预测模型的最优解,优化后的神经网络具有预测误差比较小、反应速度快等特点。实验结果证明,利用遗传算法优化BP神经网络在声音的智能监控中取得了比较好的效果,达到了系统设计的目的。     

陶瓷釉面砖生产的最佳优化组合设计

笔者运用优化技术的线性规划原理,结合陶瓷配方设计中的化学组合逐项满足法,对陶瓷釉面砖、性能、原料成本进行优化处理,以找出所用原料成本最低,同时又能满足其化学组成,性能要求的最优配方组合.     

基于点球约束的七自由度机器人误差建模与参数辨识

自动化装配对于机器人绝对定位精度提出了更高的要求，由于各种误差因素的影响，机器人理论位姿和实际位姿总是存在着一定的误差，若绝对定位精度过低，容易导致装配过程中零部件之间发生碰撞，严重影响着装配机器人的应用与推广。标定技术是提高定位精度的主要手段，误差建模、数据测量、参数辨识是标定与误差补偿过程中的重要环节。为此，提出了一种基于点球约束的机器人误差建模与参数识别方法：1)通过在机器人末端安装的六维力传感器反馈末端受力情况控制机器人以多种姿态使标定锥与靶标球球面重合，记录接触时各关节的位置数据;2)以靶标球球体半径为适应度函数，利用遗传算法辨识误差参数，从而建立完整的误差补偿模型。以自主研制的七自由度装配机器人为研究对象，针对装配机器人的结构特点，由正向递推建立机器人的正运动学方程，应用固定关节法与反变换法获得机器人逆运动学方程；基于D-H模型，建立机器人的运动学误差模型，在理论研究中，预设定误差参数与位姿变换矩阵，通过牛顿迭代法获取了关节变量值，将关节变量值代入正运动学方程进行验证，利用遗传算法进辨识误差参数，将辨识结果代入运动学模型中进行验证，机器人定位精度得到明显提高。通过实验，采用点球式标定方法采集机器人关节数据，应用遗传算法辨识误差参数，将所求得的误差参数代入误差模型中进行实验，绝对定位精度提升了76.74%，验证了基于点球约束的机器人误差建模与参数识别方法的有效性，为多自由度机器人标定研究提供有益参考。