一种新的遥感图像智能匹配方法

遥感图像中目标的空间定位问题一般是通过模板匹配或者特征匹配的方法来实现的。当给定的目标模板与遥感影像中候选识别的目标存在着空间角度、缩放比例和背景噪声较强等问题时，采取模板匹配方法就很难实现对目标的快速准确定位。遗传算法是一种自适应的迭代寻优搜寻和直接对参数对象进行操作的智能算法。利用这种算法优势可以屏蔽掉模板匹配目标的过程中对复杂参数的确定过程。本文将遗传算法与模板匹配方法密切结合，选取一幅北京奥运规划区遥感影像进行了方法实验，结果表明该方法除具有遗传算法智能快速化的效果，还具有实际操作简便的优点。     

A genetic algorithm for spectrum assignment in cognitive radio networks based on constraint templates

对遗传算法用于解决认知无线电网络频谱分配中的无干扰约束条件问题进行分析,提出一种基于约束模板进行认知无线电网络频谱分配的遗传算法模型,该模型以系统效用最大化为目标求得无干扰的约束模板,利用约束模板的标号组合构成染色体,再通过遗传算子的进化选择适应度函数更大的约束模板组合,最终得到无干扰的可行分配策略.仿真结果表明,该算法可以避免利用传统遗传算法进行频谱分配的模型在进化过程中对种群中染色体重复性的无干扰约束处理,及由于无干扰约束处理引起的适应度函数减小等问题,可获得更高的系统效用.     

考虑空间邻接关系的二维货架空间分配问题研究

货架资源的紧缺性使货架空间分配问题成为零售市场中被重点关注的领域。本文在二维货架空间分配模型的基础上，考虑了产品空间邻接关系的影响，建立了混合整数非线性规划模型，并设计了改进型随机密钥遗传算法进行求解，最后使用多个算例进行了广泛验证。在小规模问题中，通过本文设计算法、基准遗传算法和Lingo求解结果比较，发现本文设计算法相对于Lingo在求解效率上有很大提升。在大规模问题中，通过本文设计算法和基准遗传算法比较，发现在收敛时间相近的情况下，本文算法效果更好。通过对加入空间邻接关系效应与否进行对比分析，发现在考虑该效应的情境下，所有算例的利润值都有所提升，并且随着上架产品种类数增多，利润及其增量呈现先增后减的趋势。     

基于改进量子遗传算法的有源噪声控制方法

提出了一种基于改进量子遗传算法的格型IIR滤波器结构的有源噪声控制方法——改进的量子遗传算法（IQGA）。其核心是在对量子门更新过程进行改进的基础上，引入群体灾变和自适应搜索网格的策略。IQGA不仅收敛速度快，还可以改变基本遗传算法（GA）的局部搜索能力，克服基本遗传算法存在的未成熟收敛问题。仿真结果表明，该算法可以有效地实现噪声控制。     

基于遗传算法的航向测量误差分析

提出了一种基于遗传算法的高精度航向测量误差分析的方法，测量模型由2台全站仪组成．通过最佳保留策略和带约束条件的遗传算子，保证该算法具有全局搜索能力．分析结果表明，遗传算法的搜索空间仅为整个搜索空间的0．03％，该模型在现有码头条件下航向测量的精度可达到4“，满足对舰船导航设备高精度航向标校的要求．     

遗传算法在机械产品概念设计方案生成中的应用

方案生成是概念设计的核心．本文在介绍生物遗传算法的基础上,模拟生物的遗传进化过程,把产品方案生成看作是一个状态空间的寻优、求解过程,由此提出了一种基于遗传算法的机械方案自动生成的方法．将遗传算法用于机械方案设计,可以提高产品的设计效率和设计质量．文中结合工程实例验证了该方法的可行性．     

基于遗传算法的自适应噪声抵消

当有参考噪声信号时，自适应噪声抵消的实质就是求参考噪声输入通路的逆滤波器，LMS自适应滤波问题就是一个多变量函数的极值问题。LMS算法因其具有算法简单，容易实现的优点而为常用，但是算法的收敛特性和失调量受到步长参数μ的影响。而步长参数μ和最优值不易确定。遗传算法是一种应用于大规模搜索空间的有效方法，它不要求函数的解析表达式，只根据已知的测量数据便可以求得全局极值。本文以FIR滤波器为例。采用改进的实值编码遗传算法，将遗传算法用于逆滤波器的求解。计算机仿真结果表明该算法对噪声抵消取得了较满意的效果。     

基于遗传算法的图关联着色算法

图的着色算法是一种典型的NP-完全问题。给出了一种用于图的关联着色的遗传算法。遗传算法用于进行全局搜索,从而有效的查找解空间。文中对关联色数为6的一个图进行了仿真实验,给出了该图的关联色数以及4种6-关联着色。用本文提出的算法,得到了完全图、完全多部图的关联色数。实验结果表明,本文设计的遗传算法可以很好的对关联着色猜想进行求解,获得问题的高质量的解。     

浅谈包装设计中的空间设计

在空间设计中，常引用老子在道德经中的一段话：“埏直以为器，当其无，有器之用，凿户牖以为室，当其无，有室之用……”，这句话的意思表明了一个空间，人们要用的，不是别的，正是它的空间。空间其实是一个哲学的概念，它可以很大，也可以很小大可以大到宇宙空间，小可以小到蚂蚁内脏器官。中国哲学是尊重与亲近自然的。     

空间网壳结构GMA风振光-电主动控制研究

为解决空间网壳结构发生的局部动力失稳、疲劳破坏和变形过大等风振破坏问题，设计离网光伏发电系统供能，超磁致伸缩驱动器（Giant Magnetostrictive Actuator,GMA）出力的GMA风振光-电主动控制系统。基于该系统，进行空间网壳结构风振控制仿真分析，采用免疫遗传算法对不同数量的GMA布置位置进行优化，并基于LQR算法的主动控制策略，提出以综合减振评价指标作为复杂空间杆系结构主动控制效果的评价指标。分析结果表明：GMA风振光-电主动控制系统对网壳结构的风振响应具有良好的控制效果，采用免疫遗传算法对GMA优化布置后，节点的位移及加速度响应最大控制效果均得到显著的提升。当使用70个经过优化布置的GMA时，网壳结构的位移和加速度综合减振指标分别可达到0.64和0.72。     

遗传算法优化 BP 神经网络的显示器色彩空间转换

目的基于改进遗传算法优化BP神经网络,研究对显示器色彩空间转换的预测准确性的方法。方法通过改进数据归一化处理和遗传算法的适应度函数,来优化BP神经网络的权值和阈值,以将它们的分布范围缩小,再用BP算法进行精确求解,并将该方式与常规方式作对比。结果训练优化后的BP神经网络预测模型20次,测试色块平均色差为2.9353,最小平均色差为1.9467。结论该方法大大降低了BP神经网络预测模型陷入局部极小值的可能性,对显示器色彩空间转换具有较好的非线性拟合能力和更高的预测准确性。     

基于BP-AGA的非线性组合预测方法研究

运用神经网络和加速遗传算法建立非线性组合预测模型，在BP算法训练网络出现收敛速度缓慢时启用加速遗传算法(AGA)来优化网络参数，把AGA的优化结果作为BP算法的初始值，再用BP算法训练网络，如此交替运行BP算法和AGA以加快网络的收敛速度，同时改善局部最小问题。最后给出实例研究，结果表明，该方法能明显提高预测精度。     

智能预报模式与水文中长期智能预报方法

建立了以模糊优选、BP神经网络及遗传算法有机结合的智能预报模式与方法。在应用该方法进行中长期水文智能预报时，首先选取训练样本的数量，根据预报因子与预报对象的相关关系得到相对隶属度矩阵;再将其作为BP神经网络输入值以训练连接权重；最后将得到的连接权重值用于预报检验。计算结果表明，智能预报模式与方法的运行速度、精度及稳定性都达到了实际应用的要求。     

基于GA-ANN的震灾风险预测模型研究

对震灾的各种主要风险因素进行系统的辨识和分析，并建立了震灾风险预测的遗传神经网络模型，用实例证明了该模型的可行性与有效性，为决策部门提供一种有效的震灾风险预测方法。     

基于多变量加权一阶局域混沌预测模型优化及应用

鉴于实际应用中多变量因素对混沌预测的影响,提出了多变量时间序列相空间重构方法,以此为基础建立多变量加权一阶局域混沌预测模型。引入等概率符号化极大联合熵求取延迟时间、最小香农熵法求取嵌入维数,实现多变量混沌预测模型子序列重构;对实际序列采用区间邻近点法确定预测中心点的邻近点,避免产生伪邻近点;最后用关联分析确定观测变量。将该模型应用于短期电力负荷预测,分析气温等影响因素与电力负荷的相关程度,引入气温时间序列作为另一观测变量,实验证明相对于单变量预测方法提高了预测精度。     

基于组合算法的金属铣削毛刺预测

利用最优权值系数,将灰色理论、人工神经网络和遗传算法有机结合,构建组合算法,依据3种数学方法建立3种组合模型：组合算术平均模型、组合平方和平均模型以及组合比例平均模型,并分别将3种组合模型应用于45钢铣削毛刺的预测．利用3个预测误差评价指标,即平方和误差指标、平均绝对误差指标和平均相对误差指标,对各模型的预测结果进行分析计算.结果表明,组合算术平均模型所得结果与实验结果取得了较好的吻合,具有较高的精度和稳定性,对于金属铣削毛刺的预测具有实际的应用价值．     

基于遗传算法和灰色神经网络的电力机车产品需求预测方法

目的 应对快速多变的市场,提前预知市场发展,制定相应的排产计划,使企业在竞争中占据先发优势。方法 目前基于灰色神经网络的预测算法,准确地预测产品需求通常需要连续且大量的样本数据,对小数据非线性系统的预测结果精确度低、可靠性差,针对这一问题,提出一种耦合遗传算法的灰色神经网络预测方法,综合灰色模型和神经网络理论,构建了面向产品订单量需求预测的灰色神经网络模型;通过电力机车产品实例分析了模型的预测性能;为解决预测过程中模型早熟收敛的问题,利用遗传算法对训练网络的权重和阈值进行了迭代优化。结论 研究结果表明,优化后产品预测模型的精确性和鲁棒性得到提高,验证了所设计方法的可行性。     

基于大数据简约及PCA改进RBF网络的短期电力负荷预测

针对电力负荷大数据化越发突出,引入最小绝对值收敛及选择（Lasso）算法解决电力负荷大数据难题,对电力负荷及相关天气因素大数据进行高维数据特征提取,获得有用数据集。为避免输入空间严重自相关及网络维数较高,造成径向基函数（RBF）神经网络预测精度严重下降的不良影响,提出基于主元分析(PCA)改进的RBF神经网络电力负荷预测模型,消除多气象因素相关性,剔除冗余,提取天气因素特征量,将新天气特征量与历史负荷数据共同作为RBF网络的建模对象,既全面表征天气因素对电力负荷的影响,又简化预测模型,加快预测速率。 经美国南部某地区实际电力负荷数据的预测分析,充分证明该方法的有效性及可靠性。     

Role of travel demand models in appraisal and policy-making

The purpose of this paper is to examine the role of travel demand models in the appraisal and policy-making process. The travel demand modelling process is described, with particular emphasis on identifying where policy issues can be examined and possible weaknesses in the methodology. Then the historical development of the models is considered. This is a mixture of policy-making, public pressure, government response, and analytical development. It is shown how the national road-building programme is intimately linked with the process of forecasting the demand for road space. However, the forecasting procedure is pragmatic rather than theoretically sound, and not very accurate. Similar weaknesses are found at a local level. The paper is concluded by consideration of ways of improving the forecasting procedures.     

Spatio-temporal circular models with non-separable covariance structure

Circular data arise in many areas of application. Recently, there has been interest in looking at circular data collected separately over time and over space. Here, we extend some of this work to the spatio-temporal setting, introducing space–time dependence. We accommodate covariates, implement full kriging and forecasting, and also allow for a nugget which can be time dependent. We work within a Bayesian framework, introducing suitable latent variables to facilitate Markov chain Monte Carlo model fitting. The Bayesian framework enables us to implement full inference, obtaining predictive distributions for kriging and forecasting. We offer comparison between the less flexible but more interpretable wrapped Gaussian process and the more flexible but less interpretable projected Gaussian process. We do this illustratively using both simulated data and data from computer model output for wave directions in the Adriatic Sea off the coast of Italy.