CUSUM算法期望值及警告阈值优化研究

随着经济全球化深入发展,科技革命不断取得突破,其中以信息网络技术为最,信息网络化的进程也不断将人类推向新的历史高度.但与此同时网络入侵率也随之增加,成为了网络技术的一大弊端.为了降低攻击者对网络的入侵和减少攻击手段,在原算法的基础上采用CUSUM算法来检测网络入侵,并优化其期望值和警告阈值.经检测发现,改善后的算法比原算法更具检测精度.     

网格下基于并行混合GA的复杂函数优化算法

为了解决传统单一GA在解决复杂函数优化时容易陷入局部最优的问题,文中结合模拟退火和网格服务的思想提出了网格下基于并行混合GA的复杂函数优化算法CDOPHGA-Grid。通过比较仿真试验表明:CDOPHGA-Grid算法的收敛速度随着网格节点个数的增加而增加;在相同情况下,CDOPHGA-Grid算法比传统单一的GA的收敛速度提高了约60倍。     

模糊证券投资组合的期望值模型

讨论了当投资的预期收益率和风险损失率为模糊变量时,证券投资组合模型的优化问题.建立了证券投资组合决策系统的期望值模型,并设计了基于模糊模拟的遗传算法进行求解.该方法有效地解决了模糊证券投资组合问题.     

基于期望值函数的离策略深度Q神经网络算法

深度Q神经网络算法的值函数迭代算法大多为Q学习算法,这种算法使用贪婪值函数作逼近目标,不利于深度Q神经网络算法获得长期来看更好的策略。通过以期望思想求解的期望值函数取代贪婪值函数作为更新目标,提出了基于期望值函数的离策略深度Q神经网络算法,并结合DQN算法神经网络更新方法,给出期望值函数能够作用于DQN算法的解释。通过使用该算法能够快速获得长期回报较高的动作和稳定的策略。最后分别在CarPole-v1和Acrobot仿真环境中对期望值函数的离策略深度Q神经网络算法和深度Q神经网络算法进行获取策略的稳定性对比实验,结果表明,基于期望值函数的离策略深度Q神经网络算法能够快速获得长期回报较高的动作,并且该算法表现更为稳定。     

GA—DFP分级优化技术的研究

本文提出了一种把遗传算法（ＧＡ）和变度量法（ＤＦＰ）相结合的分级优化方法，即先以遗传算法进行优化将其计算结果作为第二级变度量法的初始值，再进行优化算。结果表明。该方法是一种提高优化质量的有效方法，既具备良好的全局收敛特性，又有较快的收敛速度和较高的优化精度。本文还通过举例说明了该方法的应用。     

破产时刻罚金折现期望值的更新方程及应用

罚金函数是保险公司破产前瞬间盈余和破产时赤字的函数。在不变利率强度情况下,文献[4]对罚金折现期望作了研究。文献[6]在利率强度带有Posson跳的情况下,对罚金折现期望作了理诉研究,并出了罚金折现期望的更新方程,利用这个更新方程对经典风险理论中一些结果作进一步的讨论。该文在[4],[6]的基础上首先给出[6]中更新方程的另一种简单的概率证明,然后利用Laplace变换和这个更新方程得出了罚金折现期望函数近似计算公式。     

基于GA的交叉路口自适应模糊控制器设计

针对交通领域中模糊逻辑控制器的模糊子集隶属度函数的离散性特点,提出了改进的GA(GeneticAlgorithm)算法,设计了适用于模糊子集隶属度函数编码的带区间范围限制的十进制编码方案,并实现受限分布一致交叉和变异算子.改进的经典赌轮选择法,通过动态确定最优隶属度函数,模糊控制器的控制性能得到提高,避免了病态个体产生,加快了收敛速度.通过一个实例的Matlab仿真结果表明了该方法的有效性.该方法对路口两方向车辆到达率相差较大情况的处理亦收到明显的效果.     

基于读者期望值的图书馆服务质量研究

介绍了图书馆服务质量评价指标体系,计算了读者期望值的权重,通过一些实 例数据,从而得出某高校图书馆服务质量的总体评价.     

论企业薪酬的期望值管理

合理的薪酬体系是一种最基本的激励方法,它是关系到员工生存与发展的一个重要指标,同时也是企业发展所必须考虑的个重要因素.企业薪酬管理对员工的归属感、工作积极性和工作绩效会产生直接或间接影响,薪酬管理是人力资源管理中人们最为关切的部分,员工对薪酬的期望值高或低,可能对企业的薪酬管理带来诸多问题.薪酬作为一种激励手段,是一把双刃剑,满足员工期望值时能够促进企业发展;而达不到员工期望值时,反而会对企业发展产生制约.因此,研究企业薪酬管理,发现其中存在的问题,制定有效的薪酬管理体系,并进行薪酬管理创新,对提高企业整体绩效,提升企业竞争力具有重要意义.     

基于GA的天然气增压系统可靠性优化

以天然气增压系统的可靠性分析为基础,在体积、重量和总费用的约束条件下,通过优化设计使整个系统的可靠度最高.给出了天然气增压系统区间系数的可靠性优化数学模型,把非线性区间规划模型转化为等价的双目标非线性规划模型,并在此基础上阐述了用遗传算法(GA)找出问题解集的基本思想,对整个系统的核心涡旋式压缩机进行了性能参数分析.可靠性试验结果表明:优化后的天然气增压系统可靠性是满足要求的,用遗传算法求解该问题是相当有效的.     

基于正交设计法的遗传算法

将正交设计法和遗传算法相结合，既保留了遗传算法本身的优点，又可以较好地解决遗传算法在达到全局最优解前收敛慢的问题。该算法能有效地求解函数优化问题。     

基于改进遗传算法的多维函数的优化计算

针对标准ＧＡｓ在多维优化中存在的弊端,提出了一种改进ＧＡｓ,在染色体基因解码方式,交换与变异算子、适应函数设计等方面做了改进。通过对极难优化函数的优化计算,说明该算法有良好的全局搜索能力和较快的收敛速度。     

基于模拟退火遗传算法的IIR数字滤波器参数优化设计

结合模拟退火算法的思想和遗传算法的思想,提出模拟退火遗传算法,并用此算法进行滤波器参数整定与优化,同时使用自适应交叉率和变异率,以及适应度拉伸方法对传统遗传算法进行改进。该算法有效抑制早熟,又具有收敛性快、全局寻优与局部寻优能力。仿真结果表明,基于此算法寻优设计的滤波器控制器具有更好的滤波特性。     

基于遗传算法神经网络集成股票市场预测研究

神经网络集成技术能有效地提高神经网络的学习能力和泛化能力,已经成为机器学习和神经计算领域的一个研究热点.本文利用不同的神经网络算法产生神经网络集成个体,以误差平方和最小为准则,用遗传算法动态求解集成个体的非负权重系数,进行最优组合集成建模研究,并以此建立股市预测模型.通过上证指数开盘价、收盘价进行实例分析,计算结果表明该方法相对传统的简单平均集成模型,具有预测精度高、稳定性好,易于操作的特点.     

遗传算法的并行处理分析

随着高性能计算机与网络的发展,将遗传算法与并行处理相结合,可大大提高遗传算法的执行效率.分析了遗传算法并行化的动因和实现模型.     

Optimization Method for Turbine Airfoil Designing Using Genetic Algorithms, CFD and Parallel Computing

An optimization method to design turbine airfoils using a Genetic Algorithm (GA) design shell coupled directly with a viscous CFD (Computational Fluid Dynamics) analysis code is proposed in this paper. The blade geometry is parameterized and the optimization method is used to search for a blade geometry that will minimize the loss in the turbine cascade passage. The viscous flow prediction code is verified by the experimental data of cascade, which is typical for a gas turbine rotor blade section. A comparative study of the blades designed by the optimization technique and the original one is presented     

一种改进的遗传算法

传统的遗传算法有两个严重的缺点,即不能有效地克服过早收敛现象,以及在进化后期搜索效率较低。模拟退火算法是基于金属退火的机理而建立起来的一种全局最优化方法,它能够以随机搜索技术从概率的意义上找到目标函数的全局最小点。本文将遗传算法与模拟退火算法相结合,提出模拟退火遗传算法,实验结果表明,该算法在性能上有较大的提高。     

基于相似度的可变编码长度遗传算法

遗传算法是基于生物进化原理的普适性全局优化算法。分析了编码长度对遗传算法的影响，提出相似度的概念以评价交叉操作的效率，并提出一种基于相似度的可变编码长度的遗传算法。改进方法不仅具有以任意精度达到全局最优值的能力，而且可以显著提高遗传算法的效率。测试函数的应用证明了改进算法的有效性。     

基于遗传算法优化的神经网络PID控制器

对于参数可变的时变系统和非线性复杂系统,常规PID控制器不能获得理想的控制效果,针对复杂非线性对象的神经网络PID控制不失为1种有效的控制策略．根据神经网络初始权值的选取影响控制器性能的特点,提出了基于遗传算法优化参数的神经网络PID控制器,实现了基于实数编码的GA参数优化．仿真结果证明了该算法的有效性。     

基于数据挖掘技术的全局优化算法

在过程系统综合中,许多问题属于非线性规划(NLP)和混合整数非线性规划(MINLP)范畴.它们大都具有奇异、多峰、刚性等特性.人们很难有效地得到它们稳定的全局最优解.而知识性、经验性约束使基于梯度方向的Newton方法无法有效地获取该类问题的全局最优解.通常只能得到该类问题的局部最优解.遗传算法的随机性虽为求取NLP和MINLP问题的全局最优解提供了可能,但是随机过程中的盲目性及"伪穷举"性却又限制了该算法的搜索效率.针对过程系统综合问题的特殊性,在信息提取技术对搜索空间进行充分数据挖掘的基础上,用遗传算法的随机扰动来跳出局部极值陷井,获得全局最优解.对反应器网络综合问题的求解,显示了信息提取技术与遗传算法相结合求取全局最优解的能力.