基于GA和PS的不同权重的半变异函数球状模型优化算法研究

为了精确描述适用于区域化变量理论的自然现象的空间随机性和结构性,运用遗传算法和模式搜索法分别对不同权重的半变异函数球状模型进行了优化,并进行了对比分析,得到结论:权重基于滞后距倒数的优化算法比基于采样点对数的优化方法具有更好的拟合精度。     

利用遗传算法拟合实验变差函数

理论变差函数模型的获取是地质统计学中的基础性工作,它是描述储层非均质性、进行储层随机模拟必不可缺的关键环节。针对现有的拟合实验变差函数方法:人工拟合法、非线性回归最小二乘法、加权多项式拟合法等的不足之处,充分利用遗传算法在求解非线性优化问题时具有的全局寻优的特点,提出实验变差函数的遗传算法拟合方法;在常规遗传算法中引入了模拟退火算法,加速了遗传算法的收敛速度。以川中某气藏的孔隙度变差函数为例进行了计算,结果表明:利用遗传算法可以简单、快速地实现实验变差函数的参数估计。     

空间变异函数的数学模型及参数反演

空间变异函数在克里格估计中占有重要地位.基于椭圆分布函数可导出两类空间变异函数的数学模型.一类是只考虑变程各项异性的模型,称之为AE模型;一类是只考虑拱高各项异性的模型,称之为CE模型.传统的方法需要先进行空间变异函数的拟合,然后进行克里格估计.交叉检验方差是评价估计精度的一项重要指标.根据克里格方程组的重要性质,克里格估值仅与标准变异函数有关,对标准变异函数进行线性变换得到新的变异函数不会改变克里格估值和交叉检验方差.因此,用拟合方法获得的最优变异函数进行交叉检验,通常并不能有效地降低交叉检验方差.如果直接以交叉检验方差为目标函数进行参数反演,则可以有效地解决这个问题.变异函数数学模型一般含有5个参数,其中2个是线性变换作用.进行交叉检验时只需研究标准变异函数的3个参数,从而可以降低参数反演的复杂度.研究表明:较之AE类模型CE类模型具有更强的适应性,通常可获得更小的交叉检验方差;鉴于评价面非常复杂,将遗传算法(GA)应用于参数反演是可行和有效的.滦河流域降水量空间插值实例表明,交叉检验均方差降幅分别为11.7%和29.8%.     

一种QoS感知的服务全局优化选择算法

将服务选择问题建模为带QoS约束的非线性最优化问题,并提出了一种参数自适应的改进遗传算法(IPAGA).构造了基于双曲正切函数的非线性参数变换函数,当迭代次数或种群多样性程度增加时,使遗传算法的交叉和变异概率相应地非线性递减,以保证算法的全局收敛性和收敛速度.实验结果表明:算法能够快速搜索出全局近似最优解,具有很高的有效性和可行性.     

储层非均质性描述的地质统计学方法

储层非均质性对油气的聚集、产出、分布和油气藏的形成等起着至关重要的作用。因此,储层非均质性描述在石油勘探和开发中具有重要的意义。储层非均质性既具有结构性,又具有随机性,是区域化变量。根据地质统计学的理论,通过半变异函数,在前人工作的基础上,利用k阶球状模型拟合实验半变异曲线,利用线性规划法实现了阶球状模型的最优拟合。提出了评价储层非均质性的综合评价指标,对储层非均质性的变化幅度、变化速度以及变化的随机性进行定量描述。具体实例表明,该方法具有一定的优越性和实用性。     

基于遗传算法的Kriging空间分析及其应用

半变异函数是Kriging空间分析法中的重要数学模型，在得到实际变异函数图的基础上用遗传算法来估计半变异函数中的参数比用传统的线形回归方法更精确更自动化。介绍了用遗传算法拟合Kriging空间分析法中变异函数的模型的方法，并以分析某区域煤层厚度分布情况为例介绍了该方法的应用。     

利用改进最小二乘法优化的Kriging综合模型

为解决地形起伏较大区域GPS高程拟合技术中模型单一、精度不高的问题,采用理论分析与实验验证的方法,将移动曲面法与Kriging法相结合组成综合模型,分析变异函数的影响因素,研究了利用改进最小二乘法确定变异函数的Kriging综合模型.研究结果表明:改进最小二乘方法拟合得到的变异函数曲线可靠性高,更符合实测数据规律,基于改进最小二乘法的综合模型能够获得高精度的高程拟合值.     

用基于实数编码的自适应遗传算法求解产量预测模型

产量预测模型本质上都是具有若干待定参数的非线性模型 ,对它的求解可表示为一个连续参数优化问题。用基于实数编码的自适应遗传算法对产量预测模型进行了求解 ,并针对模型求解的特点 ,提出了自适应变异、最优个体保留、分段定义变加权适应度函数等若干改进措施 ,从而加快了运算速度 ,保证了问题的收敛 ,并可按需要区别对待不同时间阶段动态数据对拟合效果的影响。该方法具有通用性 ,几乎所有的模型都可用其求解。用实测数据对Weng旋回模型和产量双曲递减曲线进行了求解 ,实例分析表明该算法具有较强的实用性。     

基于支持向量机改进的克里金插值法—以汾渭平原PM2.5数据为例

克里金插值法根据待测点与已知点的空间位置关系以及研究区域内变量的空间相关性为已知点赋予不同权重，再通过加权求和的方式得到待测点的估计值，为待测点提供最佳的线性无偏估计。变异函数描述了区域化变量的空间变化信息，常用的理论变异函数包括球状模型、指数模型和高斯模型，然而以上模型形式较为固定且选择较为主观，可能无法准确反映数据波动趋势。基于此，提出引入支持向量机作为新的变异函数对克里金方法进行改进。使用汾渭平原PM2.5浓度数据对改进前后的克里金插值法进行效果对比，结果发现：①支持向量机能够拟合出变异函数的变化趋势，②改进后的克里金插值精度优于改进前的克里金插值精度，因此支持向量机改进的克里金插值法是一种可选的克里金方法。     

基于遗传算法的Kriging在GPS高程拟合中应用

在用Kriging方法对GPS高程拟合中,对于求变异函数的参数,一般采用的是经过线性化后再用最小二乘方法等来求.采用遗传算法拟合Kriging中变异函数参数,使参数估计过程更加简便,更加自动化.同时应用实测数据进行检测,发现该方法较传统方法具有明显优势.     

基于遗传算法时滞系统的滤波器参数自调整内模控制

对于工业控制过程中的时滞系统,采用内模控制的设计方法,建立了滤波器参数λ的优化自整定;并且研究了利用十进制编码的遗传算法及其具体的遗传操作过程,实现了滤波器参数λ的优化自整定,从而避免了二进制编码所导致的影射误差.仿真结果表明,对于在控制过程中过程模型变化或过程模型与预估模型失配时,通过优化调整内模控制器的滤波器参数λ;可改善系统的控制品质,提高控制系统的鲁棒性,且易于工程实现.     

新型蝙蝠算法辨识船舶运动模型参数

为准确、有效辨识出船舶运动模型的参数,以构建精确的船舶运动模型,将群智能优化算法中新型蝙蝠算法引入船舶运动模型的参数辨识。将船舶运动模型参数辨识问题转化为一个多维变量函数优化问题,分析了新型蝙蝠算法求解船舶运动模型参数辨识的适应性;给出了采用新型蝙蝠算法进行船舶运动模型参数辨识的流程。基于实船实验数据,采用新型蝙蝠算法辨识了实船一阶线型响应型模型参数。实例显示,将船舶运动模型参数辨识问题转化成优化问题,通过新型蝙蝠算法对构建的误差准则目标函数的优化,能够快速找到使得目的函数最优的一组变量,该变量即为辨识得到的模型参数。研究表明,提出的技术路线简明且适用,是一种有效的计算机辅助船舶运动模型参数离线辨识方案。     

基于实码遗传算法的河流水质模型的参数估计

针对理想条件下采用解析法往往导致水质参数估计较大误差的问题，以及针对含有多参数的二维水质模型的参数估计问题，具体介绍了采用有限单元法和实码遗传算法求解二维水质模型未知参数的基本步骤，对水质参数(包括纵向、横向弥散系数和衰减系数)分别进行编码，通过计算机模拟浓度输出，并与实测值比较从而得出最优的水质参数估计值．算例表明，采用有限单元法-遗传算法估计河流水质模型的参数是可行的．     

天然气管网优化调度方法研究

以压缩机站最小年运营费用为目标函数,考虑气田资源、压缩机站特性参数、管网输送工艺等多种约束条件,建立了天然气管网优化调度数学模型。基于现代启发式演化算法的基本思想,将差分进化算法的繁殖策略与遗传算法的交叉、变异结合起来形成了一种新的混合遗传算法,应用于模型的优化求解,避免了一般演化算法早熟收敛现象,并以一个12个节点、11条管段、2个压缩机站的天然气管网为例,评选出了最优的管网运行方案,用于该管网的日常运营调度和后期改造设计。结果表明,所建模型和优化方法是有效的,具有一定的实用性。     

遗传优化算法及含有模糊目标和模糊约束的机械优化设计

针对机械工程中的非线性约束优化的工程问题 ,提出了一种新的遗传算法。该方法在遗传算法中通过去掉等式约束、构造浮点型编码向量、精心设计动态遗传及变异算子等改造操作 ,较大地提高了寻优效率和寻优能力 ,并用Matlab语言开发了相应软件。对设计的算法与一般遗传算法、变尺度法以及随机搜索方法进行算例比较。对于含有模糊目标和模糊约束冗余系统可靠性优化设计问题 ,通过定义隶属函数 ,把问题转化为清晰的普通优化问题利用改进的算法求解 ,以提高求解的精度和可靠性     

人工冻土单轴抗压强度GA-SVM预测模型

为了预计冻结法凿井中井壁结构设计中的人工冻土单轴抗压强度,利用支持向量机在处理小样本分类学习的独到优越性及遗传算法全局并行搜索优化的特点,结合影响人工冻土单轴抗压强度因素,提出了人工冻土单轴抗压强度不同核函数的遗传支持向量机计算模型,并运用该模型预计了两淮地区第四系人工冻土单轴抗压强度。结果表明,多项式核函数的遗传支持向量机模型较高斯径向基核函数及Sigmoid核函数的遗传支持向量机模型较准确地预计人工冻土单轴抗压强度。该模型为人工冻土单轴抗压强度的预计提供了一条新途径。     

改进的AGA在河流水质模型参数优化中的应用

河流水质模型一般具有非线性、非凸等不规则特点 ,若能找到一种优化方法平衡各参数的相对重要性 ,并能使其达到足够的精度 ,这是合理运用水质模型的关键。文章提出通过设置断点对 AGA加以改进 (称改进的 AGA) ,并成功地应用于多参数多宾斯 BOD-DO河流水质模型参数优化中 ,表明设置断点的有效性     

基于改进遗传算法的四旋翼无人机参数辨识

为克服传统遗传算法在参数辨识过程中收敛速度慢的问题,提出了一种基于改进遗传算法的四悬翼无人机参数辨识方法。该方法引入梯度算子为遗传进化提供指示性的方向,利用遗传算法的全局搜索性保证算法的全局收敛,并根据简化四旋翼无人机数学模型设计了优化函数。利用四悬翼无人机实飞数据进行了实验测试,实验结果验证了本文方法的有效性和快速收敛性。     

基于混沌和遗传算法的神经网络训练算法与研究

根据神经网络(NN)的特点，利用Logistic混沌映射和特定的适应度函数，在限制近亲数量在种群库中所占比例的前提下，及时吸收新的随机个体，提出了基于混沌和遗传算法的神经网络训练算法．根据该算法写出了MATLAB程序文件main．m，给出了应用实例，还研究了混沌参数与训练误差的关系，提出了混沌参数的调整步骤及应用。