GA—BP网络混合建模方法及其在冷轧参数优化中的应用

提出基于遗传算法与BP网络混合建模的冷轧参数智能优化新方法,该方法具有学习功能强、计算精度高、使用方便等特点,且适合在线计算、实验证明了该方法的有效性,为冷连轧机组轧制规程的智能优化设计提供了一条新的途径。     

软计算技术在倒立摆系统中的应用

基于软计算技术的混合控制方法汇集了模糊逻辑与神经网络各自的优点,集学习、联想、自适应于一体,并将基于自适应遗传算法的模糊神经网络控制用于单级倒立摆系统中. 结果表明,新型的智能混合控制器比传统的模糊控制器具有响应速度快、鲁棒性强等优点.     

基于智能计算的干线多路口交通信号控制

评述基于递阶模糊神经网络、高阶广义神经网络及模糊控制、遗传算法和模拟退火算法等几种当前主要的基于智能计算的干线多路口交通信号控制方法的优缺点,分析得出将智能计算方法有效结合可有效改善控制的结论,提出该领域的研究将向混合智能计算以及与相关学科结合发展的趋势.     

混合遗传BP算法在图象识别中的应用

介绍了传统的遗传算法与BP算法,分析了它们各自的不足,提出了一种将BP算法与遗传算法有机结合的混合智能计算方法,并且给出了具体的算法实现流程。将该方法应用于数字图象识别,经过实验表明混合算法优于传统BP算法。     

混合遗传BP算法在图象识别中的应用

介绍了传统的遗传算法与BP算法,分析了它们各自的不足. 提出了一种将BP算法与遗传算法有机结合的混合智能计算方法,并且给出了具体的算法实现流程.将该方法应用于数字图象识别, 实验表明混合算法优于传统BP算法.     

基于GA的广义模糊时间序列建模及其在旅游需求预测中的应用

研究了基于遗传算法(genetic algorithm,GA)的广义模糊时间序列建模问题。为更好解决多决策变量问题,避免传统意义上的统计算法和模糊时间序列模型的缺陷,在遗传算法中加入染色体重组算子,得到一个改进的遗传算法,构建了一种基于改进遗传算法的广义模糊时间序列模型。最后,以我国黄山风景区游客人数预测为例,通过实证分析验证了该模型。与传统的模糊时间序列模型或者和其他方法结合而形成的混合模型相比,该模型可以避免在划分区间上的主观随意性并提高预测精确度。     

自适应DNA免疫算法在化工软测量中的应用

将T-S模糊模型与RBF神经网络相结合,构成T-S模糊RBF神经网络,提出了一种自适应DNA免疫算法优化设计T-S模糊RBF神经网络的规则后件参数的方法。该方法采用基于抗体浓度和克隆选择的更新策略调节机制,能有效地保持抗体的多样性,避免早熟收敛。将该方法应用于延迟焦化汽油干点的软测量建模,仿真结果表明了DNA免疫遗传算法在T-S模糊神经网络系统优化设计中的有效性,并可获得较高精度的模型。     

智能火力/飞行综合控制系统研究

本文设计了基于遗传算法和模糊逻辑控制的智能火力/飞行综合控制系统(IFFC),设计了采用论域自调整的模糊控制器,给出了控制器输入输出的隶属函数,设计了相应的规则库.并在此基础上进一步利用遗传算法对模糊控制器进行优化设计,给出了遗传算法各个参数的选择原则.仿真结果表明,基于遗传算法和模糊逻辑的智能火力/飞行综合控制系统具有良好的控制效果,在综合火力/飞行控制系统的设计中颇有应用潜力和前景.     

模糊动态罚函数遗传算法及其在钢筋混凝土梁优化设计中的应用

在遗传算法中,约束的处理一般采用罚函数法.罚函数有多种形式,通过对其进行分析研究,本文提出一种新的罚函数,即模糊动态罚函数;用模糊动态罚函数遗传算法对钢筋混凝土梁进行了离散变量优化设计.数值实验表明:由于模糊动态罚函数综合考虑了横向放宽约束和纵向加强约束,该方法能从纵向和横向,即时间和空间的组合领域进行搜索,从而有很好的全局搜索能力,并且搜索速度快,能够迅速收敛到约束最优解.     

基于遗传模糊算法的智能车辆避障路径规划研究

利用模糊逻辑和遗传算法构建一种智能车辆避障路径规划方法.首先建立智能车辆的动力学模型,然后设计模糊控制器,以智能车辆与目标点及障碍物中心点的角度差、智能车辆与障碍物的距离为输入量,智能车辆的速度、转角为输出量分别建立避障行为模糊规则表和趋向目标模糊规则表,最后利用遗传算法对避障行为模糊规则表进行优化.仿真结果表明,该方法是正确和有效的.     

遗传算法模糊神经网络在列车驾驶中的应用

大城市交通问题迫切需要高效率的交通系统,这就要求在交通系统的控制中引入智能控制技术。本文介绍了模糊神经网络与遗传算法的特点, 分析了他们之间相互结合的可能性,并提出了基于遗传算法的模糊神经网络控制算法。该算法使模糊神经网络和遗传算法的优点很好地结合起来。本文还介绍了列车自动驾驶系统的概况,并将新算法用于此系统中。     

一种混合智能故障诊断方法及柴油机故障诊断

提出了一种模糊聚类、粗糙集理论与神经网络集成的混合智能故障诊断方法。引入聚类有效性函数和点分布密度函数。对模糊c-均值聚类算法进行改进,形成了自适应模糊聚类算法并依据该算法将连续的故障特征值离散化。应用粗糙集理论处理离散化的故障诊断数据。采用基于信息熵的方法,约简冗余的故障特征。依据约简结果构建神经网络,采用遗传算法优化网络的权值和阈值。将该方法用于柴油机气门故障诊断,并与普通神经网络进行对比。结果表明,该方法提高了故障诊断的正确率。     

基于遗传粒子群混合的可重入生产调度优化

可重入生产调度优化问题是个NP难问题,针对可重入生产调度的特点,对该优化问题进行数学规划建模,并通过一些定义将模型映射为有向图,以便于智能搜索算法的应用.结合粒子群算法收敛速度快与遗传算法全局搜索能力强的特点,进行优势互补,并优化设计相关参数,构造了一种混合算法.运用混合算法对供应链优化调度问题模型进行求解,与标准遗传算法、粒子群算法的求解结果进行比较,结果表明混合算法有着更好的优化性能.     

遗传算法在电力变压器和电机全局优化设计中的应用研究

根据遗传算法的基本理论，并结合电力变压器、电机优化设计的特点、对传统遗传算法的遗传操作提出了改进措施，研制了能够较好地解决混合离散变量优化的遗传算法，算例表明，该方法能有效地求得全局极小点或近似全局极小点。     

模糊多目标可靠性优化设计的遗传算法

给出模糊多目标可靠性优化设计的一个遗传算法.该方法利用模糊集隶属函数的特性将各子目标函数模糊化处理为能够反映各子目标相对重要程度,具有加权指数的协调满意度函数形式;通过加权函数将各子目标的协调满意度函数综合成统一的单目标优化模型,用遗传算法求解模型.通过实例验证该方法的有效性.     

人工智能及其在输配电网络故障诊断中的应用

介绍了人工智能技术———专家系统、人工神经网络、模糊理论、遗传算法的理论及其在电力系统的输配电网络故障诊断中的应用,分析了各种方法的优缺点,并指出今后发展的主要方向是综合智能.     

基于遗传算法的BP网络全局收敛的混合智能学习算法

给出了一种将 BP算法和遗传算法有机结合的全局收敛的混合计算智能学习算法。此算法结合了 BP算法和遗传算法的长处 ,既有较快的收敛性 ,又具备良好的全局收敛特性。计算机仿真结果表明 ,该混合算法显著优于遗传算法和 BP算法     

基于MATLAB与ANSYS的结构优化设计

遗传算法是近些年逐渐发展起来的一种智能的优化算法。MATLAB中的遗传算法工具箱集成了当前比较成熟的各种遗传操作算子,借助它可以方便地完成各种问题的优化。为使遗传算法更高效的应用于结构优化设计,研究了在MATLAB中调用ANSYS的方法,实现了MATLAB与ANSYS的数据传递,并用该方法对一钢框架结构进行了优化设计,验证了此方法的可行性。     

模糊物理规划及其应用研究

物理规划(Physical Programming)是一种新的处理多学科优化设计问题的有效方法．本文考虑了多目标系统的模糊性,给出了相应的多学科优化设计问题的解决方案,称为模糊物理规划．利用遗传算法求解数学模型,解决了最终优化目标可能存在多个局部最优解的问题,拓宽了模糊物理规划的应用范围．最后,应用模糊物理规划进行了直通旅客列车开行方案的优化．     

基于遗传算法的无人机模糊-积分控制器设计

针对某小型固定翼无人机纵向姿态控制和轨迹跟踪的要求设计了一种模糊-积分混合控制器. 为避免控制器参数调试的复杂性,提高控制性能,利用遗传算法对模糊控制的隶属度函数进行了优化设计. 在优化设计阶段,确定了设计变量和约束条件,并给出了比例因子整定原则. 仿真结果表明,基于遗传算法的模糊-积分控制器与传统PID控制器相比具有更短的响应时间,鲁棒性强,并且解决了单一模糊控制器稳态响应精度低、响应曲线颤振的问题.