基于遗传算法和蚂蚁算法求解函数优化问题

针对遗传算法求解精度低以及蚂蚁算法求解速度慢的问题，提出一种基于遗传算法和蚂蚁算法的混合算法.该混合算法利用了遗传算法快速随机的全局搜索能力的优点，设计了编码与适应度函数，进行了种群生成与染色体的选择，并通过设定交叉算子和变异算子， 生成了信息素分布.该混合算法利用了蚂蚁算法正反馈以及具有分布式并行全局搜索能力的优点，通过确定吸引强度的初始值，建立了强度更新的模型，从而求得精确解.并将该算法应用于求解函数优化问题.结果表明，该混合算法与遗传算法和蚂蚁算法相比，收敛速度快，寻优性能好.     

VRP的混合改进型蚂蚁算法求解

在近几年出现的一种新的优化思想--蚂蚁算法的基础上,针对车辆路径问题,设计用于求解该问题的混合改进型算法并求解标准数据库中的大量实例.经过大量数据测试和验证,并与其他启发式算法相比较,获得了较好的结果.     

阻力控制系统犁耕阻力的模型辨识

应用系统辨识方法建立拖拉机阻力控制系统犁耕阻力的数学模型。用田间实验来收集必须的数据并加以验证，所得结果为今后更进一步的研究提供了理论基础。     

蚂蚁算法与拟牛顿法嫁接求解管网数学模型

管网水力计算的问题可归结为联立求解连续性方程、能量方程和压降方程.牛顿法是求解非线性方程组的一个经典方法,但当初值选择不好时,有可能不收敛.将新型的仿生算法———蚂蚁算法引入到求解管网数学模型中.利用拟牛顿法与蚂蚁算法相互之间较强的互补性,提出了求解供水管网微观数学模型的新算法———嫁接法.计算表明,嫁接法结合了蚂蚁算法与拟牛顿法各自的优点,计算速度快,效果良好.     

基于混合算法和PMU数据的发电机励磁参数辨识方法研究

励磁参数辨识是电力系统稳定计算校核的基础.研究利用WAMS数据在线辨识励磁系统参数的方法.首先,将励磁系统的在线参数辨识归结为一个输入输出系统的最优化问题.即输入PMU数据是发电机的PMU出口电压,输出PMU数据是发电机的励磁电压和励磁电流.目标函数是在同一输入下,模型的输出和实际测量输出的差异最小.在实现上,采用数据...     

基于IGA的多层神经网络BP算法及在系统辨识中的应用

本文针对用GA训练NN权值时，花费的代价随精度的提高而剧烈增加的缺陷，提出了一种利用IGA较强的全局搜索能力和IBPA较强的局部搜索能力的结合算法，先利用IGA优化多层前馈神经网络的权值，然后再用IBPA提高搜索精度，有效地避免了IBPA易陷入局部极小点和IGA过早收敛的缺点，实验结果表明，此算法是有效的。     

一类基于模糊辨识器的非线性动态系统辨识

针对模糊辨识器的参数优化,提出了将改进的遗传算法(MGA)应用于模糊辨识器的离线学习,并在此基础上采用BP算法对其参数在线调整,实现了非线性动态系统模糊辨识。解决了输入仅为一维语言变量时,模糊辨识器的实现问题。仿真结果证实了该方法的有效性。     

网格中基于免疫原理的蚂蚁算法

针对传统蚂蚁算法的缺点,提出了一种应用于网格任务调度策略中的基于免疫原理的改进蚂蚁算法.改进的蚂蚁算法通过积累和充分利用信息素来指导蚁群的行为.改进后的算法在TSP实验中取得了较好的效果.     

基于遗传优化BP神经网络的供热管网故障诊断模型

为了克服传统BP神经网络收敛速度慢,易陷入局部极值的缺陷,提出一种遗传优化的BP神经网络供热管网故障诊断模型.通过建立泄漏工况数学模型,获取了泄漏工况下的节点压力变化情况,并以此作为BP神经网络的样本数据;利用遗传算法对BP网络初始权值和阀值进行了优化,再通过BP神经网络进行了供热管网的故障诊断,以确定泄漏管段和泄漏量,并对泄漏点进行定位.实验结果表明:该模型性能明显优于传统的BP神经网络故障诊断模型,且诊断精度高.     

一种新的T-S模型混合辨识算法

提出一种新型混合辨识算法HIA,以解决传统T-S模型辨识方法中所存在的不完全优化问题,如FCM与最小二乘法相结合的辨识方法就存在这样的问题.HIA通过将FCM、和声搜索算法以及最小二乘法相结合,并引入了误差反馈机制,以实现对所有参数的整体优化,并避免陷入局部极小点.论文将HIA应用到陀螺稳定平台的T-S模型辨识中,通过...     

Study on limited-flux coefficient to achieve spare transportation of heat-supply network

Limited-heating is one of the heating statuses which can meet the reliability requirement of those uninterrupted heat-users under the accidental status of heat-supply network.It requires the network to be provided with both ability of spare-structure and spare-transportation,and the later one is depended on the limited-flux coefficient.This paper investigates the relationship between the limited-flux coefficient and limited-heating coefficient of indirect connection system.The optimal value of the limited-flux coefficient is presented as well.     

基于模糊聚类分析的热网流量测点优化布置

结合模糊聚类分析理论,提出一种基于反映管网阻力特性系数变化的热网流量监测点优化布置方法.该方法能反映管段阻力特性系数变化对管网运行参数的影响,为实现热网阻力特性辨识提供了必要条件.通过采用直接求解析解的方法取代管网微观分析方法,来计算阻力特性系数影响矩阵,确保了阻力特性系数影响矩阵的准确性,提高了测点优化计算的精度.     

基于先验信息的供水管网阻力系数识别

供水管网阻力系数识别是指通过调整管网水力模型中管道阻力系数,使模型计算值与监测值相符的过程。由于实际中监测点数量有限,管网阻力系数识别为欠定的优化问题。现行方法通常采用管道分组这一参数化方法将欠定问题转换为超定,应用遗传算法或其它随机搜索算法求解。提出了基于先验信息的供水管网阻力系数识别算法,所提出算法根据管道管材、管龄等先验信息对管道阻力系数进行估计,并将估计值作为伪观测值引入目标函数将欠定优化问题转换为超定,采用高斯-牛顿算法进行求解。与现有方法相比,所提出算法避免了管道分组不唯一的问题;再者,推导了供水管网阻力系数雅克比矩阵解析式用于搜索向量构造,提高了参数识别计算效率。采用小型管网阐明了雅克比矩阵计算及搜索向量构造,利用大型管网验证了算法的实用性。     

基于RBF神经网络的交通流量预测算法

传统的径向基函数神经网络构造算法大多是根据先验知识和以往的经验事先确定网络的隐层结构,采用传统聚类和最小二乘法训练网络的各项参数,这种算法一般是基于局部搜索机制,使得训练的参数往往陷入局部极小值.提出用遗传算法结合一种新的聚类方法即最疏集（MSS-most scattered set）均值聚类算法和传统的最小二乘法来训练RBF（radial basis function）网络结构参数的方法.该方法不仅避免了网络训练陷入局部极小的问题,而且新的聚类方法的计算效率有所提高.通过把该算法应用在交通流预测方面,取得了令人满意的效果.     

供热网温度跟随控制的算法与实现

提出了一种供热网温度跟随控制算法．通过对室外环境温度变化方向的实时分析预测,结合动态阈值学习的结果,及时修正供热温度和压力的调控策略,从而达到供热温度跟随室外环境温度变化而自动升降的目的．同时给出了实现算法的计算机控制系统的结构设计．工程实践表明,该算法能有效地调控供热网的供热温度,提高供热质量,降低能耗．     

Uphillshift decision strategy of an AMT off-road vehicle based on generalized road resistance coefficient

In order to improve the shift decision strategy for an off-road vehicle with automated manual transmission (AMT), the generalized road resistance coefficient is defined based on the longitudinal dynamics analysis. Vehicle mass and generalized road resistance coefficient are estimated using the recursive least square (RLS) method with multiple forgetting factors. The improved shift schedule is designed based on the generalized road resistance coefficient under uphill road condition. The simulation and real vehicle test verify the effectiveness of improved shift strategy and the improvement of vehicle dynamic performance.     

基于平均应力的直埋供热管道预热温度

针对大直径、高温、高压预热安装供热直埋管道,在冷水试运行、降温等过程中被拉断、补偿器被撕裂等问题,提出基于"平均应力温度"的预热温度.从升温压应力等于降温拉应力出发,建立起预热温度函数式,绘出"平均应力温度"随压力和管径的变化曲线,并用于事故管道分析.结果表明:大管径的预热安装温度高,是降温断裂的主要原因.预热温度不仅要考虑循环最高温、循环最低温,还应考虑管道内压力、管径大小及其壁厚等因素."平均应力温度"随内压力和管径的增大而显著降低,而"循环中间温度"与这些因素无关.用"平均应力温度"取代"循环中间温度"来计算各项预热参数,能使预热安装直埋管道的降温拉应力显著减小.     

基于诊断策略遗传算法的配电网络重构算法

为减小网损,提出基于诊断策略遗传算法的配电网络重构方法.针对基因诊断策略,提出新的编码方案,改进遗传操作。对优质基因进行诊断,存入优质基因库;并且将诊断出的劣质基因（即不可行解）通过打开回路和连通孤岛的方法,将其修复为可行解,从而提高收敛速度和遗传算法搜索效率.最后对典型IEEE 33节点和IEEE69节点测试系统进行网络重构仿真实验,证实了算法的有效性,并与快速支路交换算法的计算结果相比较,表明了该算法可有效减小重构配电网的网损.     

基于遗传神经网络的语音信号盲分离算法

通过分析基于神经网络的经典盲分离算法具有容易陷入局部极小点,从而导致收敛速度慢和分离效果不准确的缺点,本文首先利用遗传神经网络算法对分离权值进行初始化,然后通过选择操作、交叉操作和变异操作,进行样本训练控制,在整个搜索空间进行搜索,得到分离矩阵最优值,最后实现了语音信号的盲分离。实验表明：该算法具有分离速度快、效果明显等特点。     

基于自相关系数的合成权值估计算法

提出了一种适用于相关噪声条件下信号合成中最佳合成权值估计的通用算法。该算法仅需估计一组信号的自相关函数和互相关函数,通过求解一个简单的一元二次方程,就可获得最佳合成权值的估计。由于回避了估计最佳合成权值表达式中的中间变量,计算更为简单。分别对不同噪声条件下的QPSK、8PSK和64QAM调制信号进行了大量计算机仿真,结果表明该算法均能够准确估计出最佳合成权值,同时还具有鲁棒性强、通用性好的特点。