遗传算法在系统辨识中的应用

对遗传算法的机理和实现步骤进行了介绍,综述了遗传算法在系统辨识中的应用.针对不同的辨识模型,讨论了遗传算法不同的应用形式,研究了遗传算法结合神经网络技术在系统辨识中的应用,最后探讨了遗传算法在系统辨识中的研究方向.     

遗传算法在系统辨识中的应用

对遗传算法的机理和实现步骤进行了介绍,综述了遗传算法在系统辨识中的应用.针对不同的辨识模型,讨论了遗传算法不同的应用形式,研究了遗传算法结合神经网络技术在系统辨识中的应用,最后探讨了遗传算法在系统辨识中的研究方向.     

基于改进小生境免疫遗传算法的船体建造板材图形排样

讨论了基于改进小生境免疫遗传算法的不规则图形排样问题,提出一种基于排挤机制的小生境技术结合传统改进免疫遗传算法的方法.通过实例比较,分别采用遗传算法、改进免疫遗传算法和小生境免疫遗传算法对排样问题的解决和优化.经过船体建造板材套料实验研究,在大规模不规则图形排样过程中免疫算子和基于排挤机制小生境技术结合遗传算法的应用中,具有较好的全局寻优表现和收敛速度,该算法是有效、可行的.     

基于仿生进化的自动控制系统

介绍了基于仿生进化的优化理论与技术：遗传算法,进化规划和进化策略;概述了遗传算法中的编码机制,适应度函数的建立以及三种基因操作（选种,交配和突变）;叙述了遗传算法在模糊控制、自适应控制、神经网络控制、最优控制、多变量控制以及相关技术（系统辨识,故障诊断,机器人学习）中的应用;还简述了进化规划和进化策略的机理及其在自动控制中的应用。     

基于遗传算法的高速web流图像处理技术

首先分析了遗传算法的一些性质和特点,接着基于遗传算法理论描述了对高速web流图像处理技术应用方面的研究,最后分析了目前遗传算法在图像处理领域中存在的问题,基于这些问题分析了遗传算法在今后的发展方向.     

粉煤灰混凝土强度的优化设计

综合利用主成分降维技术、人工神经网络技术和遗传算法技术，在粉煤灰高强混凝土的强度和三个影响因素之间建立神经网络模型，然后应用遗传算法搜索最高抗压强度和相应配方。结果表明，优化算法在分析合理选择的样本数据，总结其中的数值规律，进而对材料进行优化设计方面，具有重要的应用价值。     

遗传算法在入侵检测系统中的应用

针对现有入侵检测系统的不足,对遗传算法应用于入侵检测的系统进行了研究,提出了一种基于遗传算法的入侵检测算法。本文简要介绍了遗传算法的基本概念,介绍了遗传算法在入侵检测技术中的应用。     

遗传算法及其应用

遗传算法是模拟生物进化机制新发展起来的一种搜索和优化方法,它是基于自然进化机制并且在寻找目标函数或在目标函数附近解决优化问题.遗传算法已在许多领域得到应用,并显示出良好的发展前景.本文介绍了一些优化方向的基本问题, 包括理论、方法、实现技术以及应用中的普遍性问题,对其应用前景进行了展望.     

遗传算法并行机理分析

在当前遗传算法的理论发展和实际应用的基础上,从遗传算法的数学理论基础、遗传操作、主要实现途径等方面分析了遗传算法的并行机理和并行实现上的困难以及一些改进的方法和措施,这对遗传算法的进一步研究和应用有一定的指导意义.     

遗传算法在自动控制领域中的应用综述

在这个智能化技术高速发展的时代,各种各样的智能控制设备已经成为生产生活中不可或缺的必需品,各个行业对智能控制自动化控制的需求也越来越广泛,目前国内外关于智能控制的研究也越来越多,都神经网络控制,遗传算法控制,人工智能控制等杂,本文主要是论述自动控制中的遗传算法现在控制方法和理论中的应用,介绍了遗传算法控制工程各个方面的应用成果。     

基于遗传神经网络的高强高掺粉煤灰材料设计

应用均匀设计方法研究了高强高掺粉煤灰试块的配比关系.基于遗传算法与改进的BP神经网络建立了适用于抗压强度试块原料配比之间的数学模型.通过加入罚函数项并二次采用遗传算法对数学模型寻优求解得到最优配比,此配比下模型预测7 d和28 d强度分别达到35.61MPa和34.25 MPa,与实验结果35.89 MPa和34.10 MPa非常相近.     

用神经网络预测矿渣与粉煤灰混凝土的强度

利用目前神经网络中使用最多的BP网络的模型来预测矿渣粉煤灰混凝土的3天、28天的抗压强度。结果表明，由于神经网络具有很强的非线性表现能力，计算精度高，预测能力强．将神经网络方法应用于矿渣、粉煤灰混凝土的强度预测中，可为工程人员提供很大的方便，以指导生产，适应时代发展的要求。     

基于改进遗传算法的BP神经网络及应用

结合遗传算法及神经网络各自的优点,利用改进遗传算法对BP神经网络的连接权进行优化,并提出了一种新的编码方式.通过与时间序列模型对比,基于改进遗传算法的BP模型效果更好.     

免振捣粉煤灰混凝土抗压强度的神经网络预测

为了解决免振捣粉煤灰混凝土抗压强度预测问题,采用BP神经网络方法通过免振捣粉煤灰混凝土不同配合比训练网络预测其抗压强度,对于BP网络的隐层节点属于不确定层,采用三层结构的BP网络.但隐含单员个数仍未知。在实验过程中将隐含层的神经单元个数作为一个参数试验,结果表明BP神经网络的隐层节点数目对预测精度有较大影响。通过分析得出采用BP神经网络对免振捣粉煤灰混凝土抗压强度预测是可行的。     

基于样本选择与PSO-ANN的葡萄酒酒精浓度预测

为了提高拉曼光谱定量分析模型的准确性以及稳健性,提出了一种新的样本选择算法——KM法.实验中以40组葡萄酒光谱为分析对象,将KM法与传统的RS,KS,SPXY样本选择算法相比较.实验结果表明: KM法获得的|RMSEP-RMSEC|要优于其他三种方法,剩余预测偏差(RPD)存在显著性差异,说明KM法具有很好的预测准确度.同时,针对BP神经网络易陷入局部极值的问题,将粒子群优化算法用于优化人工神经网络的参数(PSO-ANN),通过与遗传算法、人工鱼群算法及混合蛙跳算法比较,发现PSO-ANN较之于其他三种方法,能够提高BP神经网络泛化性能,具有收敛速度快、稳健性强及预测精度高等优势.     

径向基概率神经网络的结构优化算法研究

径向基概率神经网络（RBPNN）是在径向基函数神经网络（RBFNN）和概率神经网络（PNN）的基础上发展起来的一种新型的前馈神经网络（FNN）模型。该网络模型充分吸收了径向基函数神经网络和概率神经网络的优点,这种新的模型具有计算复杂度低、收敛速度快等优点。本文深入研究了径向基概率神经网络的结构优化算法,在遗传结构优化方法的基础上,提出一种新的两步学习算法,基于遗传算法的梯度学习算法。该算法一方面优化了网络结构,使网络结构尽可能的精简,另一方面有效地提高了网络的推广能力。     

粉煤灰品质对混凝土性能影响研究

研究掺低钙、高钙粉煤灰对结构混凝土坍落度、抗压强度、混凝土碳化、氯离子扩散系数、干湿循环破坏等性能的影响.研究表明低钙、高钙粉煤灰对混凝土坍落度没有影响,在相同的养护龄期里掺高钙粉煤灰的混凝土抗压强度大于低钙粉煤灰混凝土.掺加低钙、高钙粉煤灰对混凝土碳化、氯离子扩散系数、干湿循环破坏有影响,掺加低钙粉煤灰混凝土具有比掺高钙粉煤灰混凝土更大碳化深度,掺低钙、高钙粉煤灰对混凝土氯离子扩散系数影响不明显,在干湿循环初始阶段掺低钙粉煤灰混凝土抗压强度、相对动弹性模量增加程度大于掺高钙粉煤灰混凝土增加程度,干湿循环超过30次后高钙粉煤灰混凝土抗压强度、相对动弹性模量劣化增加程度小于低钙粉煤灰混凝土抗压强度劣化损伤增加程度.     

基于变尺度混沌优化策略的混合遗传算法及在神经网络中的应用

讨论了遗传算法优化神经网络连接权的优点及存在的局限性.应用变尺度混沌搜索策略,建立了一种新的混合遗传算法——混沌遗传算法.将改进后的遗传算法结合前馈型神经网络应用于储层油气预测,取得了较好的效果.     

基于遗传算法和BP神经网络的圆柱壳大开孔接管结构优化研究

应用神经网络模拟GB150-2011《压力容器》标准中圆柱壳径向接管开孔结构参数与强度关系,以开孔接管结构用材最省为优化目标,采用遗传算法对圆柱壳大开孔接管结构进行优化设计研究.经神经网络拟合后,标准算图数据信息归一于一个三层的BP网络并应用于遗传算法程序中,与反复查图和有限元优化算法相比,此优化算法更节省设计时间.经验证,优化后的结构符合强度要求,优化结果满足工程设计需要.     

GA优化灰色神经网络的煤矿瓦斯浓度预测

针对神经网络在煤矿瓦斯浓度预测中存在缺少大量实时数据和难以精确建模的问题,建立一种遗传算法优化灰色神经网络模型。采用灰色预测少数据模型理论和神经网络的自学习能力构建改进的瓦斯浓度预测模型,并利用遗传算法对该模型的初始权值和阈值进行优化。结果表明,遗传算法优化灰色神经网络模型较传统模型提高了瓦斯浓度的预测精度和速度。该研究为预防瓦斯事故的发生提供了有益参考。