柱效关系用于RBF神经网络色谱重叠峰解析

将径向基函数(RBF)神经网络引入色谱重叠峰解析领域·为了使RBF神经网络能适应于色谱重叠峰解析的需要,先在RBF神经网络学习算法中引入了基于可行域约束和共享小生境技术的遗传算法,而后又用两阶段遗传学习算法训练该神经网络以使其具有了结构自学习和参数优化的能力,适应于组分数未知的色谱重叠峰解析的需要,最后又将柱效关系引入至遗传算法的适应度函数中,极大地限制了解的空间,减少了病态解发生的概率·实验表明本方法解析精度较高,很适用于多组分色谱重叠峰解析,并且具有不需人为干预,自动确定网络结构即组分数的优点     

基于粒子群算法的重叠拉曼谱峰解析

在拉曼光谱技术的应用推广中,检测样品拉曼谱峰的重叠是不可避免的。为了快速解析并定量分析重叠拉曼谱峰信号,该文将粒子群算法分别应用于三组分拉曼谱解析三组分(甲苯,邻二甲苯和间二甲苯)、解析四组分(甲苯,邻二甲苯,间二甲苯和和乙基苯)和解析两组分(邻二甲苯和间二甲苯)芳香烃混合物。实验结果表明:此方法具有较好的分析精度,对于实验中的多组分芳香烃的定量分析,其误差均小于1%,准确率最高可达99.5%,并且占用机时较少,符合在线测量要求。分析结果表明,粒子群算法不但适用于将多种重叠拉曼谱峰进行相互分离,而且可以快速完成各个成分的定量分析,是在线拉曼分析中解析重叠拉曼光谱信号的有效方法之一。     

基于粒子群算法的重叠拉曼谱峰解析

在拉曼光谱技术的应用推广中,检测样品拉曼谱峰的重叠是不可避免的。为了快速解析并定量分析重叠拉曼谱峰信号,该文将粒子群算法分别应用于三组分拉曼谱解析三组分(甲苯,邻二甲苯和间二甲苯)、解析四组分(甲苯,邻二甲苯,间二甲苯和和乙基苯)和解析两组分(邻二甲苯和间二甲苯)芳香烃混合物。实验结果表明:此方法具有较好的分析精度,对于实验中的多组分芳香烃的定量分析,其误差均小于1%,准确率最高可达99.5%,并且占用机时较少,符合在线测量要求。分析结果表明,粒子群算法不但适用于将多种重叠拉曼谱峰进行相互分离,而且可以快速完成各个成分的定量分析,是在线拉曼分析中解析重叠拉曼光谱信号的有效方法之一。     

基于高斯混合模型的敞开式质谱重叠峰解析方法

针对敞开式质谱重叠峰影响待测物特征峰识别的问题,提出了基于高斯混合模型的重叠峰解析方法.根据手肘法和质谱图中各参数意义有效选取模型初始参数,然后研究了该方法在重叠峰不同幅值比、分离度和噪声下的解析效果,并对敞开式质谱实测冰毒碎片离子的重叠峰进行解析.结果 表明,模拟数据的各个参数在解析后变化较小,均值和标准偏差的最大相对误差分别为0.4％和2％;实测数据在解析后可有效识别目标谱峰并使信噪比最高可提升10.2％,该方法解析效果好并且具有抗噪声干扰能力,可用于敞开式质谱重叠峰的解析.     

(N+M)容错系统优化模型求解的父代保留免疫遗传算法

针对(N M)容错系统优化模型复杂非线性的特点,结合免疫遗传算法和父代保留策略,提出了模型求解的父代保留免疫遗传算法。该算法在进行交叉和变异操作后,新产生的个体不覆盖父代个体,扩展种群进行基于矢量距浓度机制的选择操作,这样可避免较优个体的损失,增强种群的多样性,提高算法的搜索能力及收敛性能。算法性能分析揭示了算法性能改善的机理。优化模型求解结果表明,该文提出的算法较免疫遗传算法在寻优精度和收敛速度方面有一定改善。     

两阶段遗传算法在求解TSP问题中的应用

为了提高利用遗传算法求解TSP(traveling saleman problem)问题的能力,给出了一种种群多样性的定义,提出了一种利用2个阈值在贪婪优化遗传算法和退火单亲遗传算法间切换的两阶段遗传算法,从而可以在保持种群多样性的基础上优化种群.两阶段遗传算法在种群多样性下降到一定程度时,转换遗传方式,在继续寻优的同...     

全局混沌蝙蝠优化算法

为提高蝙蝠算法进行特征选择的正确率,提出全局混沌蝙蝠优化算法(GCBA).首先,GCBA采用混沌映射方法使种群的初始化能够遍历整个解空间,获取蝙蝠初始的最优位置,使其具有更加丰富的种群,解决了初始化种群随机性的问题.同时,GCBA引入当前粒子的最优解和当前种群的最优解跳出局部最优解,可有效避免算法早熟,有利于提高算法的全局搜索能力.蝙蝠算法(BA)、粒子群算法(PSO)与遗传算法(GA)在10个数据集上的测试结果表明,所提算法具有更高的分类精度和更强的跳出局部最优的能力.     

加强的混合遗传算法求解能力约束弧路径问题

为了在可接受的时间里求解具有NP-hard性质的能力约束弧路径问题(CARP),提出了加强的混合遗传算法(EHGA). 该算法是在遗传算法框架里嵌入加强的局域搜索算子来强化搜索,充分发挥了遗传算法的全局搜索能力和加强的局域搜索算子的局域搜索能力. 同时,在进行种群替代时,二元锦标赛替代被提出,并使用了种群管理来保持种群的多样性.测试了标准CARP算例,并给出了算法效果比较. 结果表明,加强的混合遗传算法胜出一般的Memetic算法,是有效的求解CARP的方法.     

多种群遗传蚁群融合的多Qos约束组播路由算法

具有多约束的Qos(quality of service)路由问题是一个NP完备问题,传统方法很难求得全局最优解。针对多约束Qos组播路由问题,选择带宽、时延和时延抖动为Qos参数,由多种群遗传算法产生初始状态,利用蚁群算法的全局寻优能力提出一种将多种群遗传算法和蚁群算法融合的新算法。分析表明,该算法是可行、有效的。     

一种考虑环境作用的协同免疫遗传算法

在综合考虑了环境对生物进化的影响、免疫算法的结构以及遗传算法部分算子的基础上,提出一种考虑环境作用的协同免疫遗传算法(ESIGA),以实现提高算法搜索速度和全局搜索能力的目标.在该算法中,设计了克隆环境演化算子和自适应探索算子,并构造了3个子种群协同进化以发挥克隆环境演化算子的影响,从而提高算法的全局搜索能力.引入的自适应探索算子和克隆环境演化算子,使算法具备了一定的学习能力,可加速搜索和防止早熟.构建的主种群和协同种群相互影响,使得算法对环境具有改良能力,加强了克隆环境演化算子的性能,而精英种群则加强了算法在优质个体邻域的搜索能力.采用13个常用无约束优化问题测试函数对算法做了检验,测试数据表明:ESIGA算法与正交遗传算法相比,其搜索速度要快于正交遗传算法1～2倍,并能够处理1 000维的高维优化问题.     

基于神经网络辨识的移动机器人航向误差校准方法

分析了E-Core RD1100干涉型光纤陀螺的误差产生机理, 提出利用RBF神经网络和遗传算法实现光纤陀螺漂移误差模型的辨识. 通过实验获得进化神经网络的训练样本, 在RBF神经网络的训练中, 提出了基于Elitist竞争机制的遗传进化训练方法. RBF神经网络具有很强的局部逼近能力, 而遗传算法具有优良的全局搜索与优化性能, 从而能够有效地对陀螺误差的非线性与时变特征进行建模与辨识. 实验结果表明: 该方法大幅度减少了光纤陀螺的误差, 从而提高了移动机器人导航定位的精度.     

基于ReliefF算法与遗传算法的肌电信号特征选择

针对肌电信号特征维数高、运算效率低等问题,提出了一种基于ReliefF算法与遗传算法(GA)相结合的肌电信号特征选择方法.分析了肌电信号的特征,运用小波分析对肌电信号进行特征提取,采用ReliefF算法评估所提取的高维特征信号的权值,以选出对分类效果影响显著(权值较大)的特征子集,采用GA进一步筛选出分类效果最佳的特征子集,并对比分析了基于ReliefFGA-Wrapper算法与全局搜索算法对肌电信号处理的时间和分类效果.结果表明,所提出的方法能够提高运算效率并具有很好的分类效果.     

一种用于RBF神经网络的支持向量机与BP的混合学习算法

基于支持向量机与径向基(RBF)神经网络在结构上的相似性,提出了一种用于RBF网络的支持向量机与BP的混合学习算法．算法分为2步：首先采用序贯最小优化算法学习训练支持向量机,得到RBF网络较优的初始结构和参数;随后由BP算法调整优化RBF网络参数．混合学习算法结合了支持向量机小样本学习、学习训练快捷以及BP算法在线修改网络参数的特点．仿真研究表明,混合学习算法学习效率高,网络性能优良,应用于函数逼近时效果优良．     

新型PSGA算法在通航物流系统效能优化中的应用

为提升对时间效率要求较高的通航物流系统整体运行效能,设计和提出了一种新型变种群极搜索遗传算法(PSGA).通过在算法逻辑结构上对传统遗传算法(GA)进行重新设计,同时创新性地设计和引入一种适应度调和因子,使PSGA的算法效率较传统GA算法有了明显提升.经过2个不同复杂度的函数寻优测试显示,PSGA在效率上分别高出GA35.35%和43.50%;最后,通过实际案例应用表明,PSGA的收敛效率高出GA25代,优化精度高出GA1.46.测试与应用结果说明,PSGA算法在通航物流系统效能优化中具有较好的有效性和适用性.     

基于菌群RBF神经网络的股票价格预测

利用菌群算法提出了一种新的菌群RBF神经网络算法，并将其应用到股票价格预测，同时在预测中引入了技术指标模型。仿真试验表明，相比于传统的RBF神经网络算法，菌群RBF神经网络算法可以得到更好的训练效率和预测结果。     

基于量子遗传算法的无人机冲突解脱方法

飞行冲突解脱对于无人机飞行安全至关重要,遗传算法(genetic algorithm, GA)在解决无人机冲突解脱时存在求解速度慢、产生的延误距离较大等缺点,针对这些缺点,提出一种基于量子遗传算法(quantum genetic algorithm, QGA)的无人机冲突解脱方法。该方法采用了量子比特编码,设计加入了延误指数函数强制优化策略和变航向优化策略,通过利用量子旋转门实现个体的演化,并在延误距离、冲突解脱航迹等多方面与遗传算法进行了对比实验。仿真实验结果表明,该方法与遗传算法相比,求解速度更快,解的质量更高,所得解脱航迹更平滑,能获得较小的飞行延误,在无人机冲突解脱方面具有有效性和良好的应用价值。     

基于遗传算法的RBF神经网络中心值优化研究

RBF神经网络中心值的确定是个关键的问题,在很大程度上决定了RBF网络性能的好坏.该文采用遗传算法对RBF神经中心进行优化,并将优化后的RBF神经网络用于非线性函数逼近,实例证明取得了较好的效果.     

基于遗传模拟退火算法的漏磁缺陷重构

通过将模拟退火技术加到遗传算法（GA）的变异运算中，提出一种遗传模拟退火算法（genetic-simulated—annealing—algorithm，GSAA），并且提出一种基于GSAA的逆算法，用于从漏磁信号中重构二维缺陷．该算法中，径向基函数神经网络（RBFNN）用作前向模型，GSAA用于求解逆问题中的优化问题．实验结果表明，同基于GA的逆算法相比，基于GSAA的逆算法更精确，并且对噪声更具鲁棒性．     

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.