基于自适应遗传算法的超声检测最优轨迹规划

为了保证曲面工件超声检测中探头的平稳性并提高超声检测的效率,提出了一种基于时间最优的超声检测轨迹规划算法。利用D-H表示法和齐次变换矩阵方法进行运动学建模,用三次多项式对运动轨迹进行拟合,以运行时间最短为目标,运用自适应遗传算法寻找在满足速度、加速度等约束条件的最优轨迹。实验结果表明,该算法有效可行,可运用于实际工程项目中。     

微生物发酵动力学模型及其参数拟合的软件实现

发酵动力学主要研究发酵过程中菌体生长、产物合成和底物消耗之间的关系,对发酵过程的调控及发酵规模的放大都有着重要的指导意义.目前微生物发酵动力学一般由菌体生长动力学、产物生成动力学和底物消耗动力学三部分组成,但是其模型绝大多数都是非线性,参数拟合难度大.目前常用的估算方法有线性转化拟合、非线性拟合和遗传算法拟合法.本文首先总结目前国内外分批发酵中常用的数学模型及其表达式,然后通过实例并结合软件编程详细的介绍了这3种方法的软件实现方法,并且比较3种方法拟合效果.结果表明线性转化法拟合误差较大,非线性和遗传算法拟合效果较好,但遗传算法能以较大概率逼近全局最优,而非线性拟合法则容易陷入局部最优.     

用遗传算法实现信号转换电路的非线性校正

采用了遗传算法的最新成果，提出了一种新颖的基于实数编码的改进遗传算法用以校正信号转换电路的非线性误差。该算法采用基于代沟最小的代选择模型，选用BLX—α混合交叉算子和非一致变异算子，算法简单、鲁棒性强、优化效率高。仿真和实验表明，用本文提出的方法对信号转换电路进行非线性校正不仅能够自动搜索到最优多项式，而且精度高于最小二乘法。该算法同样适用于传感器等其他电子测量元件的非线性校正。     

多元非线性数据拟合模型的数学推论及其回归方程的计算机拟合

本文推论了多元非线性数据拟合的通用数学模型,利用最小二乘法和极值原理,导出求解多元非线性回归方程的规范方程组。并用矩阵形式对规范方程组进行表述,在所表述的诸矩阵中,结构矩阵是其基础。用它可方便地转化出其他矩阵,这将大大简化程序的编制和规范方程组的解算。计算机根据输入数据自变量的个数和实验所作次数的多少,求解出相应的多元非线性回归方程及其评估方程质量的数据。     

基于遗传算法的机器人关节空间最优运动规划

本文整体上研究了最优轨迹规划问题，它包含两个密切相关的子问题，最优路径规划和最优轨迹规划，本文提出了一种基于遗传算法的更为一般，柔性和有效的新方法，该策略综合考虑了机器人的运动学约束，动力学约束和控制约束，最优轨迹用合适的多项式拟合，得到的控制序列适宜于高速高精度的动力学控制，本文最后以二自由度机器人为例进行了仿真实验。     

基于人工神经网络铂电阻非线性估计方法的研究􀀁

本文提出了一种基于人工神经网络的铂电阻传感器非线性估计方法,该方法用二次幂级数多项式拟合温度传感器的非线性模型,多项式的系数可由神经网络学习算法得到,当条件发生变化时,只要给出几组测量数据对,通过该方法可自动重新训练网络,获得新的多项式系数,实现传感器的非线性估计。     

传感器非线性的一种拟合方法

介绍了非线性传感器的一种曲线拟合方法。通过对某霍尔位移传感器位移、电压值的多项式拟合曲线的特点进行分析,发现该传感器曲线具有抛物线的特点,所以采用含开方项的多项式拟合。最后对所得曲线的各参数用逼近法进一步优化,得到比普通多项式拟合更实用的、偏差更小的拟合曲线。这种处理数据的方法对于求具备开方特性的传感器拟合曲线有一定的借鉴意义。     

基于投影圆度和遗传算法的空间圆柱面拟合方法

针对空间圆柱面拟合非线性强、鲁棒性差和稳定性弱的问题,提出基于投影圆度和遗传算法的空间圆柱面拟合方法.首先,通过坐标变换计算圆柱面在平面上的投影圆度.然后,借助遗传算法的全局寻优特性快速搜索最优投影圆度所在平面的法向量,进而利用平面投影计算空间圆柱面的半径及轴线方程.最后,利用坐标逆变换得到原始坐标下的空间圆柱面特征参数.由于空间圆柱面投影圆度只与投影平面法向量的方向角有关,因此只须合理设置法向量方向角的取值范围,即可使得解空间覆盖所有位姿的空间圆柱面.另外,遗传算法具有良好的全局寻优性和收敛性,在空间圆柱面拟合这类多变量非线性寻优问题中能够取得良好的效果.仿真实验和实际应用表明,相对于传统拟合方法,基于投影圆度和遗传算法的空间圆柱面拟合方法具有无须预估初值、鲁棒性强、拟合精度高和稳定性好等优点,是实现任意位姿空间圆柱面拟合的有效方法.     

一种基于改进的遗传算法的脑MR图像去偏移场模型

由于磁共振图像（Magnetic Resonance Images,MRI）常含有偏移场,影响后继图像分割。采用Legendre多项式基函数来拟合偏移场,以去除偏移场对图像分割的影响。当使得恢复图像的信息熵达到最小时,求得的偏移场最优。求偏移场的过程中需要求解基函数的参数,由于传统的梯度下降法易陷入局部最优,将遗传算法引入到参数求解过程中,然而传统的遗传算法时间复杂度高,易陷入局部最优,对遗传算法进行了改进,更容易得到全局最优解且时间复杂度较低。实验证明该算法可以得到精确的偏移场,得到准确的分割结果。     

LQ最优控制之逆问题的研究

本文通过适当地选取LQ性能指标函数中的加权矩阵R,给出了该二次型性能指标函数中的另一个加权矩阵Q与系统的开环特征多项式、闭环特征多项式的系数以及系数的系数矩阵A、B之间的对应关系。如果给定一个系统以及该系统的一组最优闭环极点,就可以求得矩阵Q。同时,用本文的研究结果,还可以直接确定系统的最优状态反馈系数矩阵。     

Data fitting with a spline using a real-coded genetic algorithm

To obtain a good approximation for data fitting with a spline, frequently we have to deal with knots as variables. The problem to be solved then becomes a continuous nonlinear and multivariate optimization problem with many local optima. Therefore, it is difficult to obtain the global optimum. In this paper, we propose a method for solving this problem by using a real-coded genetic algorithm. Our method can treat not only data with a smooth underlying function, but also data with an underlying function having discontinuous points and/or cusps. We search for the best model among candidate models by using the Bayes Information Criterion (BIC). With this, we can appropriately determine the number and locations of knots automatically and simultaneously. Five examples of data fitting are given to show the performance of our method.     

A method for regularization of evolutionary polynomial regression

While many applications require models that have no acceptable linear approximation, the simpler nonlinear models are defined by polynomials. The use of genetic algorithms to find polynomial models from data is known as evolutionary polynomial regression (EPR). This paper introduces evolutionary polynomial regression with regularization, an algorithm extending EPR with a regularization term to control polynomial complexity. The article also describes a set of experiences to compare both flavors of EPR against other methods including linear regression, regression trees and support vector regression. These experiments show that evolutionary polynomial regression with regularization is able to achieve better fitting and needs less computation time than plain EPR.     

基于GIS的零售业商圈分析

科学、合理的市场需求分析和选址分析是零售商投资决策的重要依据。介绍了零售业商圈分析的基本过程及相应分析方法,并利用组件GIS技术,在商业地理信息管理系统的基础上构建了市场饱和度分析、商圈划分、需求估计3个商业应用分析模型,实现了对商圈的定量及可视化分析。最后以上海市徐汇区为研究区域,以大型综合超市这一商业业态为例进行了实验分析。     

Parsimonious genetic programming for complex process intelligent modeling: algorithm and applications

A novel genetic programming (GP) algorithm called parsimonious genetic programming (PGP) for complex process intelligent modeling was proposed. First, the method uses traditional GP to generate nonlinear input–output model sets that are represented in a binary tree structure according to special decomposition method. Then, it applies orthogonal least squares algorithm (OLS) to estimate the contribution of the branches, which refers to basic function term that cannot be decomposed anymore, to the accuracy of the model, so as to eliminate complex redundant subtrees and enhance convergence speed. Finally, it obtains simple, reliable and exact linear in parameters nonlinear model via GP evolution. Simulations validate that the proposed method can generate more robust and interpretable models, which is obvious and easy for realization in real applications. For the proposed algorithm, the whole modeling process is fully automatic, which is a rather promising method for complex process intelligent modeling.     

基于遗传神经网络的多传感器信息融合及应用

通过多传感器技术对原油含水率测量影响的多个参量进行测定,提出基于样本矩阵非线性变换的多维回归和遗传神经网络的信息融合方法,对原油含水率的高精度、智能化测量进行研究。研究结果表明:遗传算法优化的神经网络方法预测结果明显优于多维回归和单纯LM算法的神经网络方法,具有全局收敛、泛化能力强等特点,取得很好的融合效果和测量精度,是一种具有广阔应用前景的智能信息融合方法。     

一种湿度传感器温度补偿的非线性校正方法

针对湿度传感器易受温度影响的问题,提出了基于Laguerre多项式的湿度非线性校正和温度补偿的复合校正模型,采用递推最小二乘法对标定湿度进行拟合以确定复合补偿模型的参数.该方法根据湿度传感器的测量值和环境温度即可高精度计算出实际湿度.仿真结果表明,补偿后的最大相对误差不超过4.5576e-4％,具有良好的非线性校正和温度补偿效果,在湿度检测领域具有重要的理论和应用价值.     

基于遗传算法的非线性系统状态空间辨识

本文提出了一种基于遗传算法用状态空间方程描述非线性系统的辨识方法,研究表 明遗传算法能克服此类系统不能采用传统最小二乘法辨识的困难,并能有效地辨识出状态空 间维数及非线性度都不高的系统,同时指出基于遗传算法的非线性状态空间辨识方法在状态 维数确定、关键项确定和非关键项删除等方面还有待进一步研究．     

基于正交信号修正法的BP网络模型及其应用

介绍一种新的多变量数据预处理方法——正交信号修正(OSC)法,提出一种OSC与NIPALS算法结合的O-PLS算法,将该方法用于确定BP网络的基本结构,即确定BP网络的隐层数、节点数及其初始权值,由此建立了O-PLS-BP网络模型。并将它与标准的BP网络模型、PLS-BP网络模型进行比较。仿真结果表明,该算法的拟合和预测效果较好。     

基于遗传算法的模拟电路故障诊断激励优化

介绍了用改进的遗传算法优化激励信号的参数.仿真实验表明,经过优化后的激励信号能大大提高模拟电路的故障诊断效率,对线性和非线性模拟电路都适用.     

Nonlinear fixed charge transportation problem by minimum cost flow-based genetic algorithm

Nonlinear Fixed Charge Transportation Problem (NFCTP) is a variant of fixed charge transportation problem, which is to ship available amounts of goods to satisfy the demands at minimal total cost, on condition that any route has a fixed cost irrelative to its shipping amount if it is used, and a variable cost directly proportional to the quadratic of its shipping amount as a nonlinear term. This paper aims at developing an efficient method to solve NFCTP. In this paper, NFCTP is formulated using a mixed integer programming model. Based on steady-state genetic algorithm as framework, and minimum cost flow algorithm as decoder, a hybrid genetic algorithm named NFCTP-HGA is proposed as a solution method of the model. Taking advantage of nonlinear structure and special network structure of NFCTP, the NFCTP-HGA algorithm has good performance in the sense of being implemented on computer, computational time, required memory for computation, and ability to search global optimum. The application of the NFCTP-HGA algorithm is illustrated with examples. Numerical experiments demonstrate that the NFCTP-HGA algorithm is an efficient and robust method to solve NFCTP, especially applicable to large scale problems.