一种基于遗传算法的模糊神经网络结构和参数优化

提出一种基于遗传算法的三阶段优化策略。在给定初始参数基础上,利用基于十进制编码的遗传算法实现模糊神经网络的结构优化,用基于二进制编码的遗传算法实现模糊神经网络的参数优化。仿真结果表明上述优化策略是有效的。     

基于灰色理论的ANFIS在经济预测中的应用

利用灰色理论本身的特征对经济参数进行预测,并运用自适应模糊神经网络对其拟合误差进行预测,从而达到较好的预测效果.最后以安徽省历年固定资产投资实际数据为例,利用人工神经网络建立经济预测模型,模型预测结果较传统灰色理论直接预测更符合实际趋势,效果较好.     

并行多种群模糊遗传算法参数

为改善标准遗传算法的求解效率,提出了一种基于6模糊控制器(6FLC-MDPFGA:6 Fuxy Logic Controllers-Multi-Deme Parallel Fuxxy Genetic Algorithm)的并行多种群自适应遗传算法,并利用MPI(Message PassingInterface)技术建立了一个COW(Cluster Of Workstation)集群,将算法在该硬件平台上进行了实现.通过对该算法的迁移率、迁移间隔等并行参数的试验研究,得出了在特定条件下参数选择的经验值和规律,定性分析了不同参数选择对于求解结果的不同影响.在演示算法组合优化实时应用可行性的同时,试验结果可为算法实际应用参数选择提供参考.     

露天矿山技术经济参数系统免疫粒子群优化研究

根据露天矿山生产工艺特点,运用自适应模糊推理系统技术建立矿山技术经济参数集成系统模型,应用融合免疫算法、粒子群优化算法的优良性能的免疫粒子群算法优化系统模型参数,并以水泥原料矿山为例,成功实现了露天矿山生产工艺技术经济参数的在线优化问题,为矿山企业数字管理提供了重要参考价值.     

软计算技术在倒立摆系统中的应用

基于软计算技术的混合控制方法汇集了模糊逻辑与神经网络各自的优点,集学习、联想、自适应于一体,并将基于自适应遗传算法的模糊神经网络控制用于单级倒立摆系统中. 结果表明,新型的智能混合控制器比传统的模糊控制器具有响应速度快、鲁棒性强等优点.     

一种自适应免疫遗传算法及其在系统辨识和参数优化中的应用

基于遗传算法与免疫系统的机理,提出了一种自适应免疫遗传算法(AIGA).该算法定义了选择、扩展与突变等操作,通过对选择比例、扩展半径、突变半径的约束和参数的自适应调节,提高了算法的全局与局部搜索能力.同时,将AIGA用于系统辨识以及PID参数的优化中,进行了仿真实验,取得了较好的结果,证明了该方法的有效性.     

基于模糊遗传算法的水轮机调速器参数优化

针对目前使用遗传算法优化水轮机调速器参数存在寻优效率较低这一问题，提出了一种用模糊遗传算法优化水轮机调速器参数的新方法。通过引入自适应变化的变异概率和交叉概率，改善了遗传算法的寻优效率，并提出了分段加权的目标函数以改善水轮机调速器的反冲影响。仿真结果表明，模糊遗传算法寻优效率较简单遗传算法有了大幅提高，具有很强的鲁棒性。     

基于模糊遗传算法的工业过程控制参数优化研究

针对复杂工业过程控制要求多样性、控制参数难调整的问题,提出了一种控制参数优化方法.其中,利用模糊评判方法设计了模糊适应度函数以改进标准遗传算法,把控制要求分解成多个对控制结果模糊评判的因素,由于其具有不同权重,因此控制结果与控制要求的接近程度就转化成了对遗传算法中个体(控制参数)的适应度.应用该算法优化了生物发酵罐温度控制器的控制参数,实验表明,控制器的控制精度、温度变化平稳性、能耗、电磁阀开关频率等指标均得到了改善,能够较好地解决复杂工业过程中控制参数优化的问题.     

神经网络与遗传算法在硝酸生产操作参数优化中的应用

讨论了用人工神经网络建立硝酸生产操作参数稳态优化模型的方法,然后在该模型的基础上采用遗传算法优化过程参数,为硝酸生产的优化操作提供了参考.     

基于自适应伪并行遗传算法的动力学参数识别

为研究结构动力学参数识别问题,引入一种新的度量种群多样性的指标,构造了新的自适应遗传算子,结合伪并行遗传算法,改进了遗传算法的全局收敛性和收敛速度;利用ANSYS程序的参数编程,将其成功应用于动力学模型中弹性模量和阻尼的识别.数值试验表明,该方法具有满意的识别效果,并具有较强的抗噪能力,可用于工程实际.     

自适应遗传算法在某拱坝渗流参数反演中的应用

利用水头实测资料,以渗透系数为待反演参数,在采用基本遗传算法进行参数反演研究的基础上,针对简单遗传算法难以确定交叉率和变异率的最佳值及计算量较大、易早熟等缺点,提出以自适应遗传算法来解决工程中的这类反演问题;为力求使改进的遗传算法计算量更小,收敛性更强,同时结合二维稳定渗流有限元工程实例进行了反演计算.结果表明,自适应遗传算法在保持简单遗传算法优点的同时,有效地提高了算法的收敛性,并在一定程度上克服了简单遗传算法的早熟问题.     

GA优化的模糊神经网络在炉温控制中的应用

文章提出了一种利用模糊推理系统、神经网络和遗传算法相结合的加热炉炉温控制模型;该模型利用神经网络构造模糊推理系统,利用遗传算法对神经网络的参数进行优化与训练,以完善系统的自学习和自适应能力;经仿真试验表明,该系统具有良好的控制效果.     

基于遗传算法的模糊控制模型参数优化的研究

模糊控制的精度取决于有关参数,如隶属度函数、模糊关系矩阵、传统 确定参数的方法是依靠人工。作者采用遗传算法来优化参数,大大地提高了模糊控制的精度。试验结果表明,先验知识和遗传算法的结合可以得到很好的控制效果。     

基于遗传算法优化的RBF网络在自校正控制中的应用研究

针对RBF神经网络参数难以确定的情况,采用遗传算法对RBF神经网络的隐层中心值和宽度进行了优化,用递推最小二乘法训练隐层和输出层之间的权值。给出一种基于优化的RBF神经网络的自校正控制算法,利用神经网络的非线性函数映射能力,使其充当未知系统函数逼近器。仿真结果表明了所给算法的有效性。     

基于结构的神经网络在参数优化中的应用

在对传统人工神经网络优化方法的认识基础上，针对复杂非线性系统的优化问题，提出了一种基于结构的神经网络优化方法。它将一个复杂系统转化为若干个较简单的子系统，分别建立各子系统的函数链神经元模型，然后根据原系统的结构特点将它们连接起来构成一个基于结构的神经网络。网络权值与系统的结构参数相对应，具有明确的物理意义，通过调整权值即可实现系统结构参数的优化。对Y2-Hc10型先导式溢流阀的优化研究表明，该方法为大型、严重非线性系统的结构参数优化提供了一条新的途径。     

生态遗传算法在模糊系统辨识中的应用

给出一类模糊系统的模糊神经网络模型 .提出一种实用的生态算子 ,构建的生态遗传新算法有效解决了基本遗传算法的“早熟”问题 .采用新算法实现模糊神经网络模型的辨识 ,提高了辨识精度 .实例仿真结果验证了新算法在模糊系统辨识中的有效性     

参数自适应模糊PID控制器在自动励磁调节系统中的应用

在参数自适应模糊PID控制器的基础上，利用模糊推理的方法实现了对PID参数的在线自动整定，并且在MATLAB软件下将该控制器在自动励磁调节系统中的应用进行了研究，仿真结果表明，参数自适应模糊PID控制能使系统达到满意的控制效果，对进一步应用研究具有较大的参考价值。     

自适应遗传算法在PID控制参数优化中的应用

针对传统的PID控制中参数整定的难题，采用智能控制技术优化PID参数，利用神经网络进行系统辨识，建立对象模型；在此模型基础上，运用遗传算法寻优PID控制参数，采用变交叉概率和变异概率自适应遗传算法寻优得到PID控制参数，与传统的整定结果相比较，遗传算法优化效果更好，最终达到最优的控制效果．     

基于遗传算法的汽车复杂注塑件成形工艺参数优化

以汽车外饰件中的观后镜为例子,以注塑件成形质量中的翘曲量为优化目标,依据回归分析和神经网络建立数学模型,并比较其预测精度,得到有效的预测模型;利用遗传算法对得到的数学模型进行寻优,达到对注塑工艺条件优化的目的,以期缩短生产时间,提高制件质量.     

遗传算法在新安江模型参数优化中的应用

本文针对新安江数学模型的参数优化识别的问题,在将基本遗传算法用于非线性系统参数优化的基础上,提出了一种改进的遗传算法.结果 表明改进的遗传算法具有直观、简便、快速及适应性强等特点.