惩罚函数结合遗传算法的PID参数优化

针对传统优化算法对PID参数优化时,由于目标函数选择不当出现的超调量过大,从而引起系统的反应速度变慢和稳定性变差的问题,提出以传统遗传算法为基础,引入惩罚函数的方法,根据系统中出现的超调量来构造新的目标函数实现对PID的参数优化。实验表明,该方法可以有效减少系统中的超调量,加快优化以及运行速度的同时保证系统的稳定性,实现对PID参数的优化。     

基于泊肃叶方程改进的驱替面积确定方法

为解决B-L水驱前缘理论中前缘推进位置的准确度有限问题,基于泊肃叶方程,通过联立油藏物质平衡方程,转化为地层压力与流管数的最小化问题,运用遗传算法寻优最小目标值,获取各注采方向的流管数,从而确定注采井间驱替面积.该模型量化了B-L方程中驱替面积参数取值,利用改进后的井间驱替面积计算公式,提高了连通的注采井之间水驱前缘推进位置的计算精度.计算结果更加符合油田实际生产,对类似油田的水驱开发效果评价,具有一定的借鉴和指导意义.     

基于量子遗传算法优化BP神经网络短期风功率预测

风力发电的不可控性,给电网带来了很多问题,所以当前迫切需要一种高精度的风力发电预测系统.对此,提出了一种结合量子遗传算法和BP神经网络的预测方法,通过量子遗传算法优化BP神经网络的权值和阈值.最后通过MATLAB试验仿真,验证了该方法可有效提高风功率的准确性.     

智能控制在气动比例位置系统中的应用

本文对由比例阀和无杆汽缸组成的气动位置系统在线性化的基础上进行了数学建模，对模型引入白噪声干扰，它通过噪声模型作用与对象输出端，并利用Hammerstein模型模拟了对象的非线性本质，通过计算机仿真研究了基于遗传算法寻优的神经模糊网络控制的应用效果。与实际结果进行比较，仿真效果良好。     

人工智能在冷轧带肋钢筋工艺参数优化中的应用

论述了人工智能在冷轧带肋钢筋工艺参数优化中的应用,首先利用神经网络建立起冷轧带肋钢筋工艺参数与产品抗拉强度之间关系的数学模型,然后用遗传算法对工艺参数优化。按优化后的工艺参数在某拉丝加工厂进行了大批量生产试验,产品的合格率达到98%以上,从而为控制冷轧带肋钢筋工艺参数提供了一条行之有效的途径。     

免疫遗传算法在烧结矿配料优化中的应用

运用免疫遗传算法和MATLAB语言 ,编制了钢铁烧结矿配料优化计算仿真程序 ,计算机仿真结果表明符合实际生产工艺要求 ,可直接应用于生产 ,提高各种烧结矿的综合利用率 ,降低成本 1 0 32 %。从而证明了免疫遗传算法是一种切实有效的优化方法 ,该算法为钢铁烧结矿配料问题的优化求解提供了新的思路和方法。     

基于遗传算法的图像恢复研究

通过对遗传算法和图像恢复理论的分析，提出了基于遗传算法的图像恢复方式。该方式具有优化、收敛性快等优点。     

基于优进策略的遗传算法对重油热解模型参数的估计

针对常规遗传算法全局寻优效率偏低的弱点，提出了一种优进策略，用以改进常规遗传算法。该策略将从繁衍过程中获取进化信息，自适应地改进子代分布，适时引入确定性操作，以提高全局寻优性能。提出的相关技术包括维持种群的多样性、改进交叉算子、增加Powell寻优算子等。实例测试表明这种优进策略效果良好，并已成功地应用于重油热解三集总动力学复杂数学模型的非线性参数估计。     

基于关键路径优化交叉遗传算法的掌纹识别

传统的掌纹识别算法在大多情况下运行缓慢以致效率不高,通常会依赖昂贵的技术装备而导致成本较高。针对这一问题,提出基于关键路径优化交叉遗传算法(CGA)的掌纹识别算法。首先,利用关键路径算法找到染色体的关键路径,借助于交叉概率剔除染色体的最差候选种群;然后选择最佳候选种群进行交叉运算,有效地改善低质量掌纹图像的问题;最后,在掌纹图像上的实验验证该算法的有效性及可靠性。实验结果表明,相比18项参数总和算法,该算法取得了更高的识别率,同时大大地降低了识别所耗时间,有望运用于实时掌纹识别系统。     

时间Petri网与CAGA算法相结合的并行测试研究

在并行测试的研究中对于任务的测试次序一直是个研究重点及难题。用时间Petri网建立关于并行测试系统的模型,并首次用元胞遗传算法(CAGA)对模型中的变迁序列进行搜索,快速得到最好的测试序列。通过仿真结果表明,该算法展示了很好的收敛效果,并且与已有的研究成果相比更具优势。