基于动量自适应学习率PSO-BP神经网络的钻速预测模型研究

机械钻速(rate of penetration, ROP)是钻井作业优化和减少成本的关键因素,钻井时有效地预测ROP是提升钻进效率的关键。由于井下钻进时复杂多变的情况和地层的非均质性,通过传统的ROP方程和回归分析方法来预测钻速受到了一定的限制。为了实现对钻速的高精度预测,对现有BP (back propagation)神经网络进行优化,提出了一种新的神经网络模型,即动态自适应学习率的粒子群优化BP神经网络,利用录井数据建立目标井预测模型来对钻速进行预测。在训练过程中对BP神经网络进行优化,利用启发式算法,即附加动量法和自适应学习率,将两种方法结合起来形成动态自适应学习率的BP改进算法,提高了BP神经网络的训练速度和拟合精度,获得了更好的泛化性能。将BP神经网络与遗传优化算法(genetic algorithm, GA)和粒子群优化算法(particle swarm optimization, PSO)结合,得到优化后的动态自适应学习率BP神经网络。研究利用XX8-1-2井的录井数据进行实验,对比BP神经网络、PSO-BP神经网络、GA-BP神经网络3种不同的改进后神经网络的预测结果...     

建设项目随机离散型工期-成本优化算法的改进

针对建设项目随机离散型工期-成本优化问题的求解,一般采用遗传算法为外循环、蒙特卡罗模拟算法为内循环的双层循环算法框架. 为减少内层循环中按期完工概率约束条件检验所耗费的计算资源,根据按期完工概率估计值（采用蒙特卡罗模拟方法）的概率特性,提出一种计算资源的高效、动态分配策略,以提升现有算法的计算效率. 通过算例验证,本文建议的改进优化算法可高效、稳定地求解建设项目随机离散型工期-成本优化问题.     

无人机微波着陆引导设备扫描波束指向精度改进方法

无人机微波着陆引导设备为提高机动性减少了相控阵扫描天线阵元数目,使得扫描波束展宽、主瓣对称性变差,这会使原有馈相方法的扫描波束指向精度及其鲁棒性降低,设备保障能力减弱。针对这一问题,提出一种将相位循环法与改进遗传算法组合使用以提高扫描波束指向精度的方法。在各扫描指向上,每增加一个相位循环常量进行一次改进遗传算法优化,确定最终的各移相器输入值及其量化方式,克服相位循环法与基本遗传算法单独使用时的不足。仿真分析表明,组合方法产生的扫描波束指向精度优于随机馈相法以及基本遗传算法产生的扫描波束指向精度。     

轧制计划的优化模型及其应用

对于钢铁企业热轧生产控制计算机系统中的实际轧制计划初选问题,即板坯库倒垛问题,提出了一个新的非线性０－１整数规划数学模型,通过实际应用表明,该数学模型与原有的启发式经验模型相比,效果显著。     

遗传算法对模糊控制的优化及其应用

为了使模糊控制器具有自学习能力,本文将遗传算法与模糊控制相结合,提出了使用遗传算法对模糊子集进行划分的优化方法,并根据模糊控制的特点,给出了改进的编码方法和交叉算子,加快了算法的收敛速度．应用该方法对锅炉过热汽温进行了仿真研究,结果表明本文提出的基于遗传算法的模糊控制优化方法是很有效的．     

多维函数优化的遗传算法研究

本文研究了求解多变量函数优化问题的遗传算法,在此算法中采用了十进制浮点数基因表示方法,并相应地提出了一种叠加零均值Gauss随机扰动的变异方法,研究表明,对于满足组件假说的多维函数优化问题,这种遗传算法具有较高的搜索效率．     

遗传算法在立体图象匹配中的应用

基于传统立体图象匹配技术,提出了一种新的使用遗传算法的特征匹配方法．实验中,采用了两种特征提取算法,以适应不同图象要求．实验用图包括自然景物图和人工合成图．此外,用ＢｒａｎｃｈＡｎｄＢｏｕｎｄ算法得出比较结果．实验结果表明,遗传算法有好的匹配正确率和收敛速度,具有鲁棒性,适合立体图象匹配．     

一种高效稳态型遗传算法结构

提出了一种高效率的稳态型遗传算法结构,使每代种群中需处理的码链数不超过种群规模的１／３,而且优良码链的选择与劣质码链的淘汰同时完成,提高了计算工作效率．该算法结构已用于一个数字集成电路高层综合系统中,作为优化操作调度和功能单元分配的工具．经用不同规模的实例运行,证实本文算法结构是正确而有效的．     

基于神经网络的股市预测

本文研究了基于神经网络的股票预测方法．针对目前存在的问题,提出了联合Davidon最小二乘算法及遗传算法来综合训练网络结构和权值的新方法．经对上证指数的模拟预测表明,通过合理地选取参数,可获得满意的预测效果．     

用遗传算法求解一个系统可靠性优化问题

在造价、体积和重量约束条件下,多级串并联系统的可靠性优化问题是一个具有多局部极值的、非线性的、同时具有整数和实数变量的混合优化问题。把遗传算法和共轭梯度法结合起来,对该问题搜索到了其它算法未能得到的最优解。在遗传算法的应用中,设定了有效的线性定标技术和混合交叉操作,改善了遗传算法的收敛性能。并基于模式理论从数值上表明该问题是符合积水块假设的。最后还从数值上表明遗传算法对该问题是多项式收敛的。