遗传算法在故障诊断中的应用

通过遗传算法的全局寻优能力优化BP神经网络的初始参数,使其收敛速度快、并能收敛至全局最小点,再利用BP网络来进行精确求解;实验表明:将二者有机结合后能对各种故障进行可靠的分类,有效地提高了故障诊断的效率和准确度。     

非战争军事行动装备保障资源运输方式选择模型

装备保障资源运输是非战争军事行动装备保障的重要环节,采用神经网络法选择保障资源运输方式,用遗传算法优化保障资源运输路径,并结合实际的交通网络图给出了运输方式选择的案例分析,表明该模型的可行性。     

Synthesis Optimization of Piezo Driven Four Bar Mechanism Using Genetic Algorithm

Over the past few years, there has been a growing demand to develop efficient precision mechanisms for fine moving applications. Therefore, several piezoelectric driven mechanisms have been proposed for such applications. In this work an optimal synthesis of a four-bar mechanism with three PEAs is proposed. Two evolutionary multi-objective Genetic Algorithms (GAs) are formulated and applied; A Genetic Algorithm Synthesis method (GAS) is first used to obtain a synthesis solution for the mechanism regardless of power consumption. Then another Genetic Algorithm Minimum Power Synthesis method (GAMPS) is used to obtain the synthesis solution of minimum power consumption. For that purpose, the study performs simulation investigation of the aforementioned algorithms for each point along sinusoidal and kidney shaped paths of motion. Results show capability of both methods in obtaining a synthesis solution. However, GAMPS outperformed GAS in terms of driving power consumption as it is minimized by 99% ratio.     

降低固体推进剂特征信号的改进粒子群算法

固体推进剂燃烧产生的特征信号越来越成为制约导弹武器隐身特性和制导精度发展的重要因素,为解决传统实验法降低特征信号而进行配方设计周期长的问题,采用粒子群算法寻找固体推进剂配方最优设计方案以达到降低特征信号的目的,同时综合运用拒绝法、罚函数法以及种群多样性保持策略对标准粒子群算法进行适当改进,解决了非线性约束问题,克服了算法容易陷入局部最优的缺陷,提高了全局搜索能力。建立配方优化数学模型并进行仿真,结果表明采用改进粒子群算法来降低固体推进剂特征信号,优于标准粒子群算法、改进遗传算法等智能算法,并能缩短配方设计周期。     

改进的量子遗传偏最小二乘特征选择方法应用

针对量子遗传偏最小二乘法在特征选择过程中,存在初始化种群粗糙和适应度函数复杂等问题,提出了一种新的特征选择方法--改进的量子遗传偏最小二乘法（Improved Quantum Genetic Algorithm Partial Least Square,IQGAPLS）算法。该算法根据求解问题的实际情况,赋予种群初始值。同时,设计了一种新的适应度函数,以减少计算量,并基于此适应度函数,提出了一种新的旋转角度更新公式,解决了其方向和大小确定困难的问题。将该算法应用于轴向柱塞泵故障信号的特征选择中。实验结果表明,IQGAPLS算法具有较少的计算量和较短的执行时间,选择出的特征包含更多的工作状态信息,从而提高了分类准确率。     

基于几何校正的聚束SAR快速分级后投影算法

快速分级后投影(Fast Factorized Back Projection, FFBP)算法大幅减少了原始后投影算法的插值次数,提升运算效率。然而图像合成过程中仍然需要大量的图像域2维插值操作,庞大的计算量限制了其在实际中的应用。该文提出一种基于几何校正的聚束SAR快速分级后投影算法。该算法利用几何校正的方法实现子图像配准,即在满足聚焦性能的前提下,通过距离维平移和角度维旋转完成子图像在不同坐标系下的投影和子图像合成。该算法避免了逐点插值运算,进一步降低了FFBP算法的计算量。仿真结果表明,该算法能高精度聚焦成像,并且其运算效率相对于基于图像域2维插值的FFBP算法显著提高。     

结合多级小波系数加权均值和量化的可公开敏感水印

传统水印通常对水印嵌入后掩体视觉质量较为关注,而对水印嵌入环节的安全性较为忽视,一些算法尽管提供了水印加密环节,但位置固定,导致嵌入水印易受攻击,而基于参数化小波的水印敏感性在实际中难以应用。针对以上问题,提出一种结合多级小波系数加权均值和量化的可公开敏感水印。在该算法中,首先将掩体图像的消息摘要算法5(MD5)值、用户密钥和初始参数与Logistic映射绑定,用于对水印加密和嵌入环节的多级小波系数进行随机选择;然后通过联合图像专家组(JPEG)压缩的各级小波系数绝对变化量的算术平均值来估算小波系数权重,调整小波系数加权均值以嵌入水印;最后通过孤立黑点滤除策略来提高水印提取质量。理论和实验表明,所提方法具有较好的明文敏感性和密钥敏感性,嵌入水印后图像峰值信噪比(PSNR)可达到45 dB,即使公开水印嵌入环节,嵌入的水印也难以篡改和提取,同时依然对图像剪裁、白噪声、JPEG压缩、覆盖和涂鸦等常规图像攻击具有鲁棒性。     

基于属性约简和支持向量机集成的乳腺癌诊断决策

针对遗传算法(GA)与支持向量机(SVM)集成相结合的疾病诊断方法存在属性冗余的问题,提出了一种改进的约简和诊断乳腺癌决策方法。该方法将最小化约简属性个数、最大化区分矩阵可区别属性的个数以及最大化约简属性对决策属性的依赖度这三种目标函数相结合作为GA的适应度函数。在约简属性后取多个子集,以便利用SVM集成学习。在UCI数据库中乳腺癌数据集的实验表明,与原始的SVM算法相比,该方法在分类诊断的准确度以及敏感性方面有一定的提高,其中分类准确度至少提高了2%。     

铁路快捷货物货源组织优化模型及算法

针对铁路快捷货物货主在选择货运产品时具有越来越多的主动权,研究货主选择车次条件下的快捷货物货源组织优化问题。构建了以货源组织成本最小为目标的0-1规划模型,并根据问题的特点,设计了整数编码的遗传算法进行求解。通过一个数值算例对模型和算法的可行性及有效性进行了验证。研究结果表明,所提出的方法能够综合反映铁路和货主双方的收益,可为铁路货运组织改革条件下的快捷货物货源组织提供参考。     

基于遗传算法改进的少数类样本合成过采样技术的非平衡数据集分类算法

针对少数类样本合成过采样技术(SMOTE)在处理非平衡数据集分类问题时,为少数类的不同样本设置相同的采样倍率,存在一定的盲目性的问题,提出了一种基于遗传算法(GA)改进的SMOTE方法--GASMOTE.首先,为少数类的不同样本设置不同的采样倍率,并将这些采样倍率取值的组合编码为种群中的个体;然后,循环使用GA的选择、交叉、变异等算子对种群进行优化,在达到停机条件时获得采样倍率取值的最优组合;最后,根据找到的最优组合对非平衡数据集进行SMOTE采样.在10个典型的非平衡数据集上进行的实验结果表明:与SMOTE算法相比,GASMOTE在F-measure值上提高了5.9个百分点,在G-mean值上提高了1.6个百分点;与Borderline-SMOTE算法相比,GASMOTE在F-measure值上提高了3.7个百分点,在G-mean值上提高了2.3个百分点.该方法可作为一种新的解决非平衡数据集分类问题的过采样技术.