基于遗传算法的工业机器人时间最优轨迹规划及仿真研究

为了使工业机器人的末端执行器在任给路径下运行时间最短,在考虑机器人各关节速度、加速度、加加速度和力矩约束的情况下,以PUMA560为例,对工业机器人轨迹进行时间最优规划;在Matlab平台上,对该轨迹规划优化算法进行仿真,仿真结果表明机器人各关节时间最优轨迹规划比未处理的轨迹规划时间明显缩小6.999 4s,6.651 0s,6.351 2s,各个关节的轨迹曲线平滑,从而验证了该算法的有效性。     

基于遗传算法的PID参数优化设计

本文研究了一种新的参数优化设计方法。它以误差积分型性能指标为目标函数,以设计参数的取值范围为约束条件建立了优化数学模型。之后,在Matlab环境下,将遗传算法同Simulink仿真技术有机融合来求解该优化模型,数值实验表明：本方法简单直观,通用性强,所设计的PID性能优异,十分适合于工程应用。     

管理信息系统人机交互优化方法

由于管理信息系统的结构越来越复杂、影响因素越来越多,根据人机交互方法研究管理信息系统具有十分重要的理论意义和应用价值.针对管理信息系统人机交互问题,提出了一种遗传神经网络方法,采用具有高度非线性映射能力的结构化神经网络来拟合管理信息系统人机交互模型的输入输出关系,利用具有全局寻优能力的遗传算法来训练结构化神经网络的参数,应用遗传算法对神经网络模型进行优化设计.上述方法从遗传算法的优化过程中抽取一些知识,采用知识来指导遗传算法的后续优化过程.     

基于遗传算法的EHA调速系统设计与优化

电机调速系统是飞机电静液作动器(EHA)的关键部分,直接影响着机载作动系统的可靠性.EHA对调速系统鲁棒性,快速性有着较高的性能要求,传统的试凑法设计调速系统的调节器难以满足性能的要求.首先针对EHA的实际工作原理,建立了EHA调速控制的模型,用PID调节器设计双闭环负反馈控制系统,然后采用遗传算法对PID调节器参数寻优整定,最后根据实际工作情况与性能要求进行了仿真分析.仿真结果表明,利用遗传算法寻优设计PID调节器控制EHA所采用的大功率无刷直流电机,可以获得良好的稳定性、鲁棒性和动态性能.     

基于自适应进化神经网络算法的入侵检测

针对目前多数入侵检测系统的低检测率问题,提出一种自适应进化神经网络算法AENNA。基于遗传算法和BP神经网络算法,利用模拟退火算法的概率突跳和局部搜索强的特性对遗传算法进行改进,采用双种群策略的遗传进化规则实现BP神经网络权值和结构的双重优化;通过对遗传算法的交叉算子与变异算子的改进,设计一种自适应的神经网络训练方法。实验结果表明,基于AENNA的入侵检测方法能够有效提高系统的检测率并降低误报率。     

高校自动排课系统算法比较分析

课程表的编排是高校教务管理中最为重要和复杂的一项工作。通过对几种自动排课算法的合理比较。统筹分析出各自的优劣,得出贪婪算法的综合适用性是最优的结论。在此基础之上．进一步分析贪婪算法是如何逐步解决排课的现实问题,并给出基于贪婪算法的自动排课系统算法的具体实现过程。     

基于边界扫描技术的设计复杂性优化研究

对于边界扫描技术的电路系统,可利用现代优化算法对其进行复杂性和测试性改善度的综合优化。主要以较小的复杂性设计来实现测试性的最大化改善,以提高系统测试性优化和缩短系统的测试时间。应用模拟退火算法和模拟退火遗传算法实现系统的设计复杂性优化,相比于贪婪算法,模拟退火算法和模拟退火遗传算法能得到更好的优化率。     

车载自组织网络分布式入侵检测算法研究

随着汽车产业的发展,汽车给我们带来便利的同时也给我们带来一系列的问题,例如交通拥堵、交通安全等。为了解决这些问题车载自组织网络应运而生。但是车载自组织网络中信息安全问题一直存在,采用分布式入侵检测模型和基于此模型下的改进随机森林分类算法可以很好地解决这个问题。     

基于改进型批决策与调度建模的生产计划调度系统的研究

热轧型钢生产工艺复杂,其生产中极易出现由于计划调度安排不当而产生的交货期延误、库存超负荷等问题。针对以上问题研究设计了MES生产计划调度系统,改进了批决策调度策略用于数学建模,利用自适应遗传算法求解生产调度计划。以此为基础,为某热轧企业设计实现了生产计划调度系统,并通过真实的热轧型钢订单、原料、设备等数据,对模型改进前后的计划编制方法进行模拟与比较,验证了利用该改进型批决策与调度模型编制的热轧型钢生产调度计划可节省生产时间、降低设备调度时间,以此来指导热轧型钢的生产可切实减少交货延误和减少库存占用率,并提高企业利润率。     

基于改进初始化判别K-SVD方法的人脸识别

基于稀疏表示的人脸识别问题希望字典同时具有良好的表示能力和较强的辨识性。采用判别式K-SVD(D-ksvd)算法,可训练得到较好的字典和线性判别函数,但该算法中的初始化字典是从各类样本中选择部分样本经K-SVD方法得到的,不能较完整地表示所有样本的特性,影响了基于该初始字典的训练字典的表示能力和分类器的辨识性。在字典初始化方法上进行了改进,先训练类内字典再级联成新的初始化字典,由于类内训练字典是各类别的优化字典,降低了训练字典的误差,提高了训练字典与线性分类器的判别性,在保持较快识别速度的同时,提高了人脸识别率。