基于基因表达式编程的非线性系统辨识研究

提出了一种利用基因表达式编程进行非线性系统辨识的新方法,引入了可变染色体和可变终端符集,提出了新的个体的生成机制及相应进化操作符,克服了利用遗传编程进行非线性系统辨识的不足,降低了算法对参数的依赖性,能够在相同的参数设置下进行各种非线性NARMAX模型辨识.对于适应度的定义,综合考虑模型的精确性和复杂性因素,使辨识模型能够在精确性和复杂性之间取得平衡.仿真结果表明,这种方式可以快速准确的获取非线性模型.     

应用混合进化策略辨识Wiener-Hammerstein模型

提出了一种基于进化策略的多输入单输出Wiener-Hammerstein模型辨识新方法。该方法的基本思想是将模型辨识问题转化为非线性不可微函数优化问题,然后采用进化策略获得该优化问题的解。为了进一步增强进化策略辨识的性能,提出一种混合进化策略方法。混合进化策略采用如下方法以提高算法的全局寻优能力:基本排序的高斯-柯西自适应混合变异算子;策略参数的中间重组和均匀扰动;混合选择方案。仿真结果验证了上述混合进化策略辨识方法的有效性。     

基于改进粒子群算法的系统辨识新方法

提出了一种利用改进的粒子群优化算法对系统进行辩识的方法.该方法是将典型的数学模型的相互组合而构成系统模型的新辨识方法,即首先将系统结构辨识问题转化为组合优化问题,然后采用粒子群优化算法同时实现系统的结构辨识与参数辨识.为了进一步增强粒子群优化算法的辨识性能,提出了利用一种改进的粒子群优化算法.最后,给出了仿真示例,结果验证了所给的系统辨识方法的合理性和有效性.     

基于ANN预报模型的快速学习算法

提出了一种基于预报模型的变目标函数的前向神经网络快速学习算法。首先推导出一种综合目标函数从而实现极值点附近收敛速度的提高,然后导出变目标函数的局部化递扒最小二乘算法,该方法与现有同类的算法相比,可以提高收敛速度和预报精度,适用于需快速学习的系统辨识和其他应用。系统辨识的仿真实例表明了算法的优良性能。     

基于多目标进化算法的高维模糊分类系统的设计

提出一种可同时构造多个精确性和解释性较好折中的高维模糊分类系统的设计方法。该方法由以下三步组成:(1)利用Simba算法进行特征变量选择;(2)采用模糊聚类算法辨识初始的模糊模型;(3)利用匹茨堡型实数编码的多目标遗传算法对初始模糊模型的结构和参数进行学习。基于NSGA-Ⅱ算法的目标函数同时考虑模型的精确性和解释性;为提高模型的解释性,在多目标进化算法中利用基于相似性的模型简化方法对模型进行约简。利用该方法对Wine等问题进行分类,仿真结果验证了方法的有效性。     

基于遗传编程的可持续模拟退火算法及应用

研究分析了模拟退火算法(SA)的缺陷,采用分等级搜索机制,提出了可持续模拟退火算法(HFCSA)后,针对HFCSA算法编码受限问题,引入遗传编程的思想和编码方式,提出一种基于遗传编程的可持续模拟退火算法-GP-HFCSA算法.该算法可以在开放式搜索空间中搜索,实现结构和参数的协同进化.在算法对比测试实验(8特征值问题)中,GP-HFCSA算法的设计结果优于参照算法,证明了GP-HFCSA算法具有良好的效率及自动设计能力,具有广泛的学术价值及应用前景.     

基于Volterra级数的全解耦RLS自适应辨识算法

针对非线性系统辨识问题,提出了一种基于Volterra级数模型的非线性系统的全解耦RLS自适应辨识算法。按照Volterra伪线性组合结构,采用RLS自适应辨识和约束优化理论,导出了具有分块对角形输入相关矩阵的全解耦Volterra标准方程,据此设计了一种基于Volterra级数模型的全解耦的RLS自适应辨识算法。该算法与部分解耦的RLS自适应算法相比,显著提高了辨识过程的收敛速度和精度。仿真结果验证了该方法的有效性。     

自适应模糊推理人工神经网络在线实时化及其应用

本文介绍一种自适应模糊推理人工神经网络的函数逼近算法，并对其进行在线实时化改造。最后将该算法与传统系统辨识方法相结合应用于复杂系统分离辨识的试验。     

一种基于模糊神经网络的自适应模糊辨识方法

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)。首先，基于模糊竞争学习算法确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。其次，利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN具有结构简洁，逼近能力强，能够显著提高辨识精度，并且辨识的模糊模型简单有效。最后，将该AFNN用于非线性系统的模糊辨识，仿真结果验证了该方法的有效性。     

基于小波分解的系统辨识最优实验设计

提出了一种基于小波分解的系统辨识最优输入信号的设计方法。将小波 的多分辨率分析理论应用于控制系统的最小二乘辨识中，并且与闭环系统的控制性能指标关联起来，从而得出一种最优辨识输入信号的设计方法。这种方法是与控制相关的一种辨识方法，能获得比普通的系统辨识方法更好的结果。仿真结果证明了这种方法的有效性。     

提箱作业优化问题的嵌套启发式算法

针对集装箱堆场进口集装箱的提箱作业计划问题,建立了以作业总成本最小为目标的多阶段决策优化模型,构造了内外嵌套两层结构的优化算法,内层算法实现最短路径搜索子模型,外层算法实现倒箱策略优化子模型.对内外层优化算法,设计了基于启发式A*与GA算法分别组合的4种方案.实例分析表明:各算法组合方案具有相同的有效性,当问题规模较小时,A* A*较好,但问题规模增大时,GA GA较好.     

低空突防航路规划算法仿真研究

本文简要地介绍了低空突防航路规划的发展状况和发展方向对动态规划法、启发式搜索法和电势理论法进行了分析和计算机仿真。重点对遗传算法进行了详细的分析，并对其进行了改进，提出了新的遗传操作方法及在规划中考虑了飞机到达目标区的进入角约束。仿真结果表明改进的遗传算法是航路规划一种比较理想的方法。     

基于相关机会规划的多机器人觅食过程的参数优化

针对随机环境中以觅食为任务的多机器人系统,在建立其整体数学模型基础之上,利用随机规划中的相关机会规划对影响整体系统性能的两个重要参数进行了优化分析,并采用基于随机模拟的遗传算法得到了优化结果.仿真结果表明,利用该方法可以实现随机环境下的系统优化控制,从而可为多机器人系统的行为规则优化提供理论依据.     

Chaotic migration-based pseudo parallel genetic algorithm and its application in inventory optimization

1.INTRODUCTION Geneticalgorithm(GA)isacomputationmodelsimulat ingevolutionprocessofcreatures.Inspiteofitsremark ableprogress,thetroublecausedbyprematureduring evolutionhasbroughtdifficultyforGAapplications.A sortofmulti populationGAishighlyregardedformaking thebestofparallelstructureandgroupevolvementofGA witheasyimplementation[1].ButPGAhasahighrequest forhardwareenvironmentofmultiprocessorsuchlike Transputernetwork,MIMD,SIMDorLAN[2,3].For thoseoptimizationproblemsoflowerrequestf…     

油田措施配置多目标随机规划

措施规划对于延长油田稳产年限 ,合理地安排稳产措施从而提高采油速度及最终提高采收率是十分必要的 .有些学者建立了油田稳产措施规划的确定性规划 ,即模型中所有的参数均为确定值 ,而实际油田生产中有许多因素是不确定的 .也有文章建立了措施规划的随机规划模型 ,但建立的规划模型仅涉及一个目标函数 ,即所谓的单目标规划 .而在实际的油田措施配置中 ,需要对多项指标提出优化要求 .本文针对油田开发实际中存在的不确定现象 ,利用规划论中处理随机现象的机理 ,建立了油田措施的多目标随机规划模型 ,并采用具有擅长全局搜索、高度鲁棒性特点的遗传算法进行求解 .应用结果表明 ,该模型使措施配置更能反映生产实际.     

基于不确定相关机会规划的机会阵方向图综合

围绕机会阵雷达(opportunistic array radar, OAR)阵列动态机会组阵的资源管理问题,以面向多任务为应用需求背景,针对机会布置在平台3D空间多个区域内的天线单元,提出了一种基于现代数学不确定性理论中的相关机会约束规划方法用于机会阵方向图综合。该方法建立在不确定性理论和模糊数学基础上,考虑OAR大量天线单元空间位置分布的不确定性和各单元激励(开/关)状态的不确定性,用模糊随机变量来刻画不确定环境中的模糊性和随机性,在天线资源受约束的不确定条件下,建立不确定规划模型来实现方向图综合。并设计将遗传算法和模糊随机模拟算法相结合的智能混合优化算法以获得模型的最优解。最后利用仿真实例验证了不确定规划模型和所设计算法的可行性和鲁棒性。     

无重叠区的两抓钩周期性排序问题的一个搜索求解法

在当今的自动化制造系统中,计算机控制的抓钩的排序直接影响系统的生产率.本文研究了产品在生产线两端装载和卸载的电镀线的周期性抓钩排序问题,目标是极小化生产周期.本文把生产线分成无重叠的两部分,并给每部分分配一个抓钩,构成一个无重叠两抓钩周期性排序问题.为了求解该问题,提出了一种基于线性规划模型和禁忌表的搜索算法.这个算法使用测试的周期长度作为控制参数以产生不同的运送顺序,对每个给定的运送顺序和抓钩分配,用线性规划模型求得子问题的最优解.在搜索中,为了避免相同序列的子问题模型的求解,采用了禁忌表.量化的示例表明所使用的方法是高效的.     

灰色线性规划的Genocop算法求解

利用遗传算法的思想给出了线性规划的Genocop算法,进而针对灰色线性规划问题设计了灰色Genocop的求解程式,并使用Matlab语言开发了相应软件,给出了一个实例求解结果。大量运算结果表明,该算法对灰色线性规划问题求解非常有效。     

非线性规划的混合遗传算法

遗传算法是一类模拟自然界生物进化过程与机制、求解问题的自组织和自适应的人工智能技术,是非常好的求解优化问题的算法,但是它也容易产生早熟现象,且局部搜索能力较差。因此,在分析传统的非线性规划方法的基础上,针对传统方法的局限性,为非线性规划模型设计了一种新的启发式算法,即结合遗传算法、模拟退火算法和动态惩罚函数法的混合遗传算法,以发挥各算法处理问题的优势。对算法的过程进行了分析。通过实例说明,该算法对于求解所建立的问题是有效的。     

基于自然数编码遗传算法的并行测试技术

针对并行测试任务调度复杂、难以优化的问题,提出了一种基于自然数遗传算法的任务调度优化算法。该算法将并行测试任务调度转化为对串行测试任务序列的搜索,为了提高搜索效率,引进自然数编码遗传算法搜索最优解或近似最优解,将串行测试序列作为染色体,进行选择、交叉、变异等操作。通过仿真证明该算法能够迅速得到并行测试任务调度的最优解或近似最优解。对自然数编码遗传算法的各个算子对模式的作用进行了理论分析,并得到了对应的模式定理,从理论上说明了该方法的合理性。