基于遗传算法优化BP网络的高校生师比预测模型分析

标准BP算法采用的是非线性无约束极值问题求解方法中最古老又十分基本的方法-梯度法(梯度下降法).标准BP算法具有学习效率低,收敛速度慢,容易陷入局部极小点.通过标准BP算法模型和遗传算法优化的BP算法模型对高校生师比的预测结果进行比较.结果表明,遗传算法优化的BP神经网络的权值和阈值具有良好的泛化能力,提高了高校生师比预测精度和效率.     

基于改进量子遗传算法的超声电机模糊PID控制

针对超声电机非线性、时变性的特点,设计了模糊自整定PID控制器,并利用量子遗传算法对模糊自整定PID控制器参数进行优化,以提高系统的动态性能和适应性.针对传统量子遗传算法的不足,对编码方式、种群初始化、量子旋转门、量子变异以及增加量子灾变5个方面进行改进.仿真结果表明:改进量子遗传算法改善了传统量子遗传算法容易产生种群早熟的问题,提高了算法收敛性能.同时,基于改进量子遗传算法的模糊自整定PID控制器与经典的模糊自整定PID控制器相比,明显提高了超声电机系统的动态和稳态性能.     

采用神经网络和遗传算法组合的自学习模糊控制器

本文提出一种新型的，采用神经网络和遗传算法组合自学习构造模糊控制器的方法，该方法将神经网络的实时增强学习能力融合于遗传算法的全局搜索中，提高了系统的收敛速度，实时学习能力和控制性能，而不需要提供系统动力学知识和先验控制系统。     

基于遗传算法的起重机模糊控制研究

针对起重机的定位和防摆控制,设计了两个模糊控制器,分别对小车的位置和负载的摆动进行控制。并将遗传算法和模糊控制相结合,利用遗传算法对模糊隶属度函数、比例因子和量化因子进行优化,提高了模糊控制器的自适应和自学习能力,改善了系统的控制性能,从而实现了起重机的精确定位和消摆,提高了起重机的工作效率。仿真结果表明该方法的有效性。     

模糊神经网络的混合调整方法

由于常规调整方法的收敛性依赖于模糊型的初始条件。文中提出一种新的基于遗传算法和梯度法的模糊神经网络自动调整方法。通过仿真证明了这一方法是有效的。     

基于GA-CNN-LSTM模型的文本情感分析方法研究

为了克服传统神经网络不能学习文本长期信息的缺点和神经网络中梯度下降法容易陷入的局部最优问题,提出基于遗传算法(GA)、卷积神经网络(CNN)和长短期记忆神经网络(LSTM)相结合的文本情感分析模型GA-CNN-LSTM.具体来说,该模型首先利用卷积神经网络从全局信息中提取序列特征,之后使用长短期记忆神经网络分析句子的句法和语义结构,最后运用遗传算法从全局进行寻优,有效避免梯度下降法陷入的局部最优问题.在IMDB数据集上进行实验,结果表明,该模型相比于其他现有的网络模型,取得了更好的分类效果,精度比传统的长短期记忆神经网络提高了 1.8百分点,准确率达到了 0.906.     

新型动态模糊神经控制器及其混合学习算法研究

介绍了一种基于动态模糊神经控制器的控制系统,通过在模糊神经网络控制器的第2层引入动态递归环节,使其具有动态映射能力,并提出了动态模糊神经控制器的混合学习算法,即先采用免疫遗传算法的“粗”学习,再采用BP梯度算法的“细”学习,通过对锅炉主汽温控制的仿真表明了该网络结构和训练方法是可行的和有效的。     

基于遗传算法的模糊神经网络PID控制器研究

研究对象是某类型贴片机的位置控制系统,运用基于遗传算法的模糊神经网络 PID控制器对其位置系统进行控制.着重介绍了基于联接机制的模糊神经网络的结构,以及遗传算法对模糊神经网络的网络结构和隶属度函数的优化.通过实例详细地给出了优化过程和优化结果,并通过仿真结果,充分地说明了模糊神经网络的优异性能以及遗传算法在多目标寻优中的强大优势.     

基于遗传算法的模糊神经网络在交流伺服中的设计

针对永磁同步电动机交流伺服系统,提出了遗传算法的模糊神经网络控制方案.在交流伺服系统的设计中,采用模糊神经网络控制器作为其位置调节器.利用遗传算法的快速搜索功能,使得系统定位准确、快速.     

基于梯度归一化的模糊梯度特征提取方法

提出一种应用于手写字符识别的基于梯度归一化模糊梯度特征提取方法.首先计算原图像的梯度;然后基于一定的归一化函数,得到归一化梯度;最后,基于归一化梯度,构建模糊梯度特征向量.针对归一化函数,提出了分段线性归一化函数,它能够有效减小类内样本分散度,同时具有计算简单高效的优点.针对梯度特征向量构建方法,提出了模糊梯度特征,改进了普通梯度特征向量的构建方法,提高了梯度特征吸收手写字符形变的能力.     

浮点数编码的遗传算法在模糊控制器参数寻优中的应用

提出了一种基于浮点数编码遗传算法寻优模糊控制器参数的方法,对浮点数编码遗传算法的执行效率进行了对比研究,仿真结果表明浮点数编码遗传算法在多维参数寻优中具有很好的效率.     

基于遗传算法的模糊控制器设计

将遗传算法引入到模糊控制器设计中,用以自动导优模糊控制规则,得到的模糊控制系统具有过渡过程时间短,超调小等优点;并对模糊规则表采用自然数编码策略,针对纯滞后对象特点,人出了性能指标函数,讨论了复制、交叉、变异等遗传操作在模糊控制器设计非线性寻优问题中的具体应用,并对各种方法进行了对比性研究;最后针对纯滞后对象进行了计算机仿真,并给出了仿真结果。     

基于遗传算法权值优化的汽车悬架最优模糊控制

结合车辆非线性主动悬架系统数学模型,首先设计出悬架系统的线性二次型整定（LQR）最优控制器,其中控制器的加权系数利用遗传算法优化搜索获得,然后设计悬架系统的模糊控制器,进而开展LQR最优控制、模糊控制以及两者并联结合的复合控制方法对比研究．利用遗传算法对加权系数进行搜索优化,可有效解决传统LQR控制器加权系数不易确定的问题．该复合控制方法可获得相比单一控制方法更优的悬架系统控制效果,在车辆不同行驶工况条件下,能进一步降低车身垂直振动加速度、悬架动挠度和轮胎形变,明显提高了汽车的行驶平顺性和操纵稳定性．     

双行星排汽车纯电驱动模式的转矩分配策略

针对双电机纯电驱动模式的转矩分配问题,在分析双行星排插电式混合动力系统能量流动特性的基础上,设计主电机高效工作区间控制策略. 该策略利用双电机工作特性的差异达到高效工作区间互补的目的,并在双电机转矩耦合模式下保护主电机的工作效率. 为了解决传统模糊控制器控制精度不高的问题,设计双模糊控制器控制系统,结合所提出的电机工作区间划分方法实现电机工作区间的自适应调节与等效放大. 以驱动系统能量转化效率与电机转矩脉动系数为自变量构建适应度函数,基于遗传算法对系统的控制规则进行多目标寻优. 仿真结果表明,在2种控制策略中遗传算法-双模糊控制器控制策略的耗电量更低,系统综合效率分布情况接近动态规划（DP）经济性最优结果,对电机输出转矩波动情况的控制也更加合理. 将其应用于混合动力系统,车辆百公里综合油耗较主电机高效工作区间控制策略的降低3.27%.     

大跨空间结构动力响应模糊控制

针对大跨空间结构动力灾变主动控制问题,设计了一种超磁致伸缩作动器.介绍了主动控制系统的工作原理,并建立了受控系统的空间状态方程,采用遗传算法对大跨空间结构主动控制作动器的布置位置进行了优化设计.分析了模糊控制系统的基本结构及模糊控制器的制作原理和方法,并设计了标准模糊控制器.应用MATLAB软件对大跨空间网架结构振动进行了模糊控制分析,结果表明,超磁致伸缩作动器具有良好的作动效应,利用遗传算法有效地提高了主动控制优化设计效率,同时实现了对结构的整体优化,模糊控制能够有效地降低大跨空间结构的振动反应,是一种较好的结构振动控制方法.     

基于GA的模糊神经网络控制

在详细论述模糊神经网络技术基础上,提出了基于GA的模糊神经网络控制器构造方法.选择MATLAB作为开发工具,使用所提供的神经网络和模糊逻辑工具箱,完成了基于GA的模糊神经网络控制器设计,并应用ActiveX技术在虚拟测控系统中实现了对其的调用.     

近交叉口路中式快速公交站点选址优化

提出一种基于快速公交车辆和到站乘客综合时间效益最优的站点选址优化方法,建立时间效益模型,运用模糊层次分析法和遗传算法求解模型,选取济南市黄岗路站点进行案例分析.结果表明:一个测度单元中快速公交运行时间的权重越大,到站乘客通行时间的权重越小,满足时间效益最优时的缓冲区距离越大,当案例站点设置在交叉口下游25 m处时,综合...     

基于小生境遗传算法的网格节点资源研究

针对解决网格节点资源聚类问题，提出了基于小生镜遗传算法的模糊聚类分析方法。该算法把小生镜遗传算法搜索的随机性和并行性引入模糊聚类中，对模糊聚类中的聚类中心的个数和聚类中心的选取进行指导，解决了模糊C均值聚类对初始聚类中心的敏感性问题、实验证明该方法能具有全局收敛性，克服了FCM算法可能陷入局部极小值，并有效地对网格节点资源整合归类，从而改善网格节点资源发现的性能。     

基于遗传算法的动态模糊聚类基于遗传算法的动态模糊聚类

提出了一种基于遗传算法的动态模糊聚类方法。通过计算样本之间的模糊相似性,不失真地反映它们之间的内在关联。同时将样本之间的模糊相似性映射到样本之间的欧氏距离,即将高维样本映射到二维平面。利用遗传算法不断优化两者之间的映射,使样本之间的欧氏距离逐步趋近于其模糊相似性,实现动态模糊聚类。克服了聚类有效性对样本分布的依赖性;同时,增加了聚类的灵活性和可视化。该方法在性能上较经典的模糊聚类算法有一定改进,具有较好的聚类效果和较快的收敛速度。仿真实验结果证明了该方法的可行性和有效性。     

基于遗传算法优化的模糊控制技术

在传统模糊控制的基础上,提出了一种基于遗传算法优化的自调整模糊控制算法．通过对模糊变量隶属函数参数编码优化,实现了模糊控制规则的在线自调整,并通过物理实验证实了算法的可行性．