SW—GP组合算法在煤矿监测数据预警预报中的应用

为了更有效地利用煤矿监测数据进行煤矿安全事故的预警预报,提出滑动窗口-遗传程序设计组合算法实现了监测数据的动态预测。在程序设计时,数据采样采用滑动窗口技术实现,通过遗传程序设计算法实现系统的自适应建模。通过对监测数据的测试,证明了组合算法建立模型的预测值和实际结果具有很好的一致性。     

常微分方程组的演化建模新算法

提出了常微分方程组的演化建模的一种新算法，新算法在３个方面改进了作原有的算法：（１）采用新的适应值评估方式；（２）彩一种基于子空间搜索的遗传算法来优化模型的参数；（３）将传统的遗传程序设计方法与局部搜索技术相结合来优化模的结构，将新算法分别应用于人口增长与化学反应模型的自动建模，并比较两种算法的实验结果，表明新算法发现的模型更稳定、精确度更高。     

小波变换集遗传算法神经网络的径流预测建模

为获得更精确的径流预报结果,利用dmey小波变换对径流时间序列分解为高频信号和低频信号,再使用遗传算法优化的BP神经网络分别对其进行预测,最后利用dmey小波逆变进行重构,以此建立径流总量预测模型。通过对柳江径流总量进行实例分析,并与遗传算法优化的神经网络模型、BP神经网络模型及传统的时间序列分析方法对比,该方法获得更准确的预测结果。研究结果表明该模型能充分反映径流时间序列趋势,预报稳定性好,预报准确率高,为径流时间序列预测提供一个有效建模方法。     

基于广义遗传优化的RBF算法在铁水脱硫中的应用

铁水脱硫过程是一个非常复杂的多元非线性反应过程,在研究了基本遗传算法和RBF算法的基础上,提出了基于广义遗传优化的RBF算法.并说明了基于广义遗传优化的RBF算法在某钢厂铁水脱硫预报模型中的应用.该算法不仅克服了RBF中心个数选择的随机性,而且较好地解决了遗传算法时间复杂度高的缺点.通过对基于广义遗传优化的RBF算法与RBF算法的仿真比较,进一步阐明了该算法在铁水脱硫预报模型中的有效性和精确性.并且现场实验也表明,该算法能够达到终点命中率在85%以上,这说明了该算法的工程实用性.     

局部反馈函数联接网络及其应用

结合时间序列分析提出了一种具有局部反馈回路的函数联接网络（ＬＲＦＬＮ）模型，并利用ＬＲＦＬＮ对非线性时间序列进行了建模与预报，对网络扩展函数选取，初始权集的设定，以及网络结构选择和学习算法进行了研究，同时，通过对模拟数据和机切削颤振数数据的建模与预报，将其与常用的时间序列模型（ＡＲ，ＡＲＭＡ和指数自回归模型）以及ＢＰ网络进行比较，研究结果表明该方法是可行和有效的。     

一种实时洪水预报模型的构思和实践

使用产汇流两阶段校正及参数动态预测算法的实时洪水预报模型继承传统的区分产，汇流两阶段预报洪水的模型，用蓄满产流模型的卡尔曼滤波算法实现产量预报的单独实时校正，用一般线性汇流模型分类动态模拟算法实现汇流预报实时校正。现在模型已从Ⅰ型发展到Ⅱ型。建模和实际试用证明，本模型通用性强，实时校正能力可靠，有很高的实用价值。本文概要地介绍模型设计的思路和使用情况。     

基于GP的税收能力智能估测的研究与应用

目的将基于遗传程序设计(GP)的数据建模方法应用于税收能力智能估测系统建模中。方法利用遗传程序设计来实现复杂函数的自动建模。结果改变了目前税收能力估测中采用的使用拟合粗糙、估测结果准确度差的线性模型进行曲线拟合和趋势预测的估测方法,通过优化初始种群的方法提高了GP算法的收敛率,实现了复杂函数的自动建模,并将该方法应用到税收能力智能估测原型系统(TCES)的建模中。结论采用GP得到的数学模型比传统方法使用的数学模型拟合精度更高,估测误差更小,更适于反映地区税收能力的实际情况。     

建筑物沉降的时间序列分析与预报

首先对建筑物沉降数据序列进行了平稳化处理,然后研究了平稳化序列的建模和预报方法,最后结合建筑物沉降监测的具体实例进行了时间序列的分析与预报.结果表明:将时间序列分析方法应用于建筑物沉降监测,具有建模容易、计算简单、预报快速的特点;时间序列分析方法对建筑物沉降具有较高的模型拟合及预报精度,尤其是短期预报,效果更佳;应尽量避免使用时间序列进行中长期预报,要根据实测数据对所建模型进行实时更新.     

基于时间序列分析的动态变形预报

对变形体的变形趋势做出预报,是变形监测的主要任务之一.时间序列分析能顾及各期数据间的统计相关性,通过建模实现变形体的动态变形预报.鉴于AR模型估计参数时有递推公式,且工作量小,故在介绍时间序列模型的基础上,结合变形监测实例,讨论了AR模型的建模过程,并采用AR模型实现了变形的动态预报.     

基于细胞自动机模型的自适应生产调度问题

用细胞自动机来建模生产调度问题,通过把调度序列分散到规则网络中,相邻细胞之间相互影响,可以避免细胞的早熟.当进化过程出现扰动时,可以通过控制器自行修改相关参数加以响应,实现自适应调度.介绍了细胞自动机的建模原理,并结合遗传算法的运算因子和进化规则,讨论了基于遗传细胞自动机模型的自适应生产调度方法,用算法的仿真结果验证了模型的有效性和适应性.     

遗传算法在建筑物沉降预测中的应用

结合遗传进化算法的全局优化思想和时间序列分析的基本理论，提出了一种新的基于遗传算法的建筑物沉降非线性动力学行为预测模型进化识别算法。设计了模型结构和参数分别进化，共同识别方案，实现对非线性时间序列分析模型结构和参数进行全局最优搜索。实例分析结果表明：该方法具有较好的预测精度和推广预测能力，为高大建筑物沉降预测提供了一个有效的分析工具。     

一种时间序列优化的粒子滤波算法

针对预测对象在动态过程中发生结构性变化的时间序列,难以建立一个实时解析变化趋势的模型.本文提出基于时间序列自适应建模的粒子滤波算法(TS-PF).采用时间序列方法动态构建预测模型,并将粒子滤波算法中一系列加权粒子以该模型进行状态转移,运用粒子滤波重采样技术,使预测误差进一步减小,预测精度逼近最优估计.非线性预测系统仿真实验表明基于时间序列自适应建模的粒子滤波算法(TS-PF)比单纯采用时间序列动态建模算法(TS)精度更高,提高了动态目标跟踪的准确性.     

一类单阶段混合制造系统的调度

研究了一类单阶段混合制造系统的建模、分析与调度问题，这类系统既包含离散事件动态，也包含连续时间动态，前者用排队网络描述，后者用微分方程描述。不仅考虑了这类系统的最优控制问题，而且考虑了工件进入生产线的最优时间，并用一个复杂的优化模型描述，同时给出了一个两层优化方法，内层给出对给定工件序列的最优控制，而外层用一改进的遗传算法求解工件进入生产线的最优时间序列。若干仿真实例说明了算法的有效性。     

一种三维网格简化算法

为实现大数据量三维模型的化简,得到高质量、多分辨率的模型,满足实时绘制要求,采用半边数据结构表示三角形,用点到平面距离的平方和作为边折叠的权值,用渐进边折叠算法进行模型简化。在简化的过程中得到一系列的简化点序列,结合此点系列和简化的模型,就可以生成连续的任意分辨率的简化模型。经试验证明,本算法易于实现,效率高,占用内存空间适中。该算法可以用于交互式虚拟现实和网络模型的渐进传输。     

遗传程序设计及其在符号回归问题中的应用

介绍了遗传程序设计的基本原理,以及遗传程序设计的算法设计及其实现的几个关键问题。将遗传程序设计应用于符号回归问题,获得满意的结果。同时也表明其在复杂问题的自动求解上比遗传算法具有更强的复杂结构表达能力和解题能力。     

基于遗传禁忌混合算法的低相关区序列集搜索方法

提出一种基于遗传-禁忌混合算法(genetic-taboo hybrid algorithm)的低相关区(low correlation zone,LCZ)序列集的搜索方法.建立搜索LCZ序列集的优化模型并设定了模型的目标函数,将禁忌算法嵌入到遗传算法的变异操作中,提出一种遗传-禁忌混合算法,该算法利用遗传算法的全局搜索能力和禁忌算法的局部搜索能力从而实现高效搜索.迭代过程中,种群在进入新一轮进化之前,首先剔除移位等价序列(shift equivalent sequence),从而保持种群的多样性,防止算法过早收敛.根据优化算法收敛后目标函数保持不变的特点,设定了算法结束准则,当超过一定进化代数后目标函数值仍保持不变,则认为进化结束.对非周期四元和周期二元序列集进行数值仿真,结果证明了该方法的有效性.     

基因表达式演化建模

为了有效地建立动态系统的演化模型,将常微分方程的解的模型按基因表达式编码,给出了动态系统建模在遗传算法求解中的编码规则.算法采用精英选择,在主要遗传算子中,结合四阶龙格—库塔迭代公式对个体进行评估,按基因表达式程序设计进行演化,算法在求解过程中不需要过多地依赖于问题本身的知识,从而极大地降低了问题的复杂性.数值实验表明,算法具有很强的普适性.     

基于GA优化BP神经网络辨识的Volterra级数核估计算法

为取得更有效的船舶运动预报效果,提出了一种利用遗传算法(GA)优化单输出三层反向传播(BP)神经网络辨识Volterra级数核的算法.在船舶航行姿态时间序列的混沌特性识别基础上,分析了GA、BP神经网络和Volterra级数模型的特征.利用GA优化BP神经网络获得最优的初始权值和阈值,根据BP神经网络算法求得最终的最优权值和阈值.进行Taylor级数分解,得到Volterra级数各阶核,对船舶的横摇运动时间序列进行多步预报.仿真实验表明:所提方法预报精度高、时间长,具有有效性和适应性.     

一种基于改进型RBF神经网络的非线性时间序列预测模型

RBF神经网络具有收敛速度缓慢、全局搜索能力差等缺点,提出了一种基于遗传算法的RBF神经网络,经过自适应遗传算子参数优化,提高了RBF神经网络模型的预测精度,实现了非线性时间序列的预测.仿真实验结果表明,基于遗传算法的RBF网络预测模型非常适合非线性时间序列的预测,是可行的、精准的、有效的.     

求解装箱问题的一种混合分组遗传算法

通过设计一种适应度函数,利用分组遗传算法结合BF算法和FFD算法来对此适应度函数进行优化,从而求得一个优化的装箱结果。用C++实现该算法并对装箱实例进行仿真实验与比较,结果表明:在遗传算子的交叉操作过程中采用FFD+GGA的混合分组遗传算法是一种解决装箱问题的有效方法,在大部分情况下用很短的时间都可求得最优解。