宽带FRA中同时实现信号增益与噪声平坦的快速算法

首先优化了多波抽运拉曼光纤放大器的功率耦合方程,并利用小信号方法解决反向抽运的边值问题,其次采用遗传算法同时实现了信号增益谱和噪声谱的平坦.计算表明:双向抽运方式下系统噪声谱在C L波段(1.53~1.61μm)比反向抽运更为平坦;抽运光数目与增益平坦度呈非线性关系并存在下限值.通过多次测试,对于10波抽运,100信道的DWDM系统(带宽为80 nm),增益波动小于1 dB的优化时间可控制在400 s以内.     

遗传算法BP神经网络的预报研究和应用

针对目前 BP神经网络在实际气象预报应用中 ,网络结构难以确定以及网络极易陷入局部解问题 ,用遗传算法优化神经网络的连接权和网络结构 ,并在遗传进化过程中采取保留最佳个体的方法 ,建立基于遗传算法的 BP网络模型 ,并以广西的月降水量进行实例分析 ,计算结果表明 ,该方法预报精度高、而且稳定 .     

基于改进遗传算法的多无人机协同侦察航迹规划

针对多无人机在复杂的战场环境中如何高效侦察多种类型目标的问题,提出了一种基于改进遗传算法的多无人机协同侦察航迹规划算法。首先,根据战场环境中不同类型目标的侦察要求,建立了以整体时间代价最小为目标函数的航迹规划模型。然后,改进了遗传算法的编码、交叉和变异等操作,来实现异质型目标分配与航迹规划的集中一体化求解。最后,为了提高算法的收敛速度,在交叉和变异操作过程中,加入了适应度更新策略。仿真结果验证了该算法的可行性,而且在4架无人机观测3种类型共10个目标的仿真条件下,相较于使用双染色体编码和多重变异算子的基于对立的遗传算法,时间代价降低了5.79%,收敛速度提高近12倍,有效提高了航迹规划的精度及效率。     

注水油田年综合含水率预测的数学模型

本文将改进的灰色GM（1，1）模型用于某油田年综合含水率的近期发展趋势研究。在平均相对误差达到最小准则下，研究了模型中的背景值参数A和边值修正项￡对模型预测精度的影响。在此基础上，采用线性规划方法估计模型中的参数，基于遗传算法求解最佳背景值参数A和最佳边值修正项ε，以确保在相应的模型检验准则下预测的误差达到最小。结果表明，用改进的灰色GM（1，1）模型预测近期注水油田的综合含水率，预测值与实际值相对误差很小，预测精度很高，可以得到非常满意的结果。进一步的研究发现，改进的灰色GM（1，1）模型虽然近期预测精度很高，但研究长期的发展趋势是行不通的，为此又研究探讨了长期发展趋势模型。     

基于遗传算法的光伏–热电耦合系统多目标优化研究

多因素共同作用下的系统优化设计是光伏–热电耦合系统研究的难点之一。本文建立了光伏–热电耦合系统与单一光伏系统的理论模型,以最高耦合效率与相对于单一光伏系统的最大效率差值为优化目标,采用多目标遗传算法,开展了耦合系统优化设计研究。结果表明,最高耦合效率与最大效率差值两个优化目标是负相关的,且其负相关性是由光伏参考效率所导致,需综合考虑系统经济性,确定最高耦合效率和最大效率差值的折中方案,从而获得耦合系统最佳设计。     

基于机器学习的地球静止轨道质子能谱反演

根据地面中子探测与宇宙线环境之间的关联性,在太阳活动平静期以地球静止环境业务卫星及全球各个中子探测站的探测数据构建数据集。基于极端梯度提升决策树（XGBoost）和人工神经网络建立了由地面中子探测数据反演宇宙线质子环境的模型。模型采用遗传算法求解模型的最优超参数并对神经网络的各个神经元参数进行训练,实现了宇宙线质子环境在太阳活动平静期的反演,模型训练的均方差MSE为0.499,对测试集的平均反演误差分别为26.9%,对比航天常用的辐射环境模型误差通常在200%以内,提高显著。同时使用包括支持向量回归、误差反向传播算法、长短期记忆在内的多种其他机器学习算法进行了对比,结果表明本文所建立的模型具有训练时间短、计算速度快、占用资源小的优点。     

面向星敏感器的星模式识别算法

介绍了到目前为止出现的所有面向星敏感器的星模式识别算法,它们是概率统计算法、三角形算法、匹配组算法、网格算法、奇异值分解算法、神经网络算法和遗传算法,并分两组比较了它们的性能,给出了具有指导意义的结论。     

星载张力索网天线结构混合变量的多目标优化

以纵向拉索调整力大小和可调整的纵向拉索数目为设计变量,可调整的纵向拉索数目最少和网状反射面的均方根误差最小为目标函数,应力和频率为约束条件,建立了大型空间网状可展开天线的形面调整的多目标优化数学模型,并用遗传算法进行了优化求解。优化结果表明:该方法在提高天线表面精度的同时,能有效地减少可调整的纵向拉索数目,降低了工程人员在网面调整中的繁杂劳动。并且,网面调整的总次数也远少于实际工程中的调整,对工程应用具有一定的指导意义。     

结构拓扑优化设计的三角网格进化法

针对进化或拓扑优化方法的不足，提出了一种基于遗传算法的新型进化式拓扑优化方法－－三角网格进化法，该方法不仅能够同时进行拓扑，形状与截面变量优化设计，而且在优化过程中实现了退化和进化的统一，提高了优化效率。另外本文还首次对结构类型变量进行了优化计算，取得了有益的结果。最后几个数值算例证明了本方法的可行性和有效性。     

磁流变弹性体自调谐式吸振器及其优化控制

本文研制了一种基于磁流变弹性体的自调谐式吸振器,它利用磁流变弹性体这种新型智能材料作为吸振器的弹性元件和阻尼元件,通过外加磁场控制磁流变弹性体的剪切模量来改变吸振器的固有频率,实现吸振器的移频.并将遗传算法改进移植到吸振器,对其进行优化控制.实验结果表明,这种遗传算法具有全局搜索和快速收敛的特点,它能使吸振器快速找到吸振器减振效果最佳点,并且经过优化控制的磁流变弹性体自调谐式吸振器在移频范围内具有很好的减振效果,减振效果最高可达25dB.