文化算法框架下混合群智能算法的肿瘤信息基因选择

为了消除与分类无关和冗余基因,以提高基因的分类精度和效率,提出一种文化算法框架下混合群智能算法的肿瘤信息基因选择方法.首先采用ReliefF算法初选基因子集,然后利用文化算法框架下混合群智能算法选择最优的信息基因,最后在3个标准肿瘤信息基因数据集对其性能进行测试.仿真结果表明,文化算法框架下混合群智能算法可以有效去掉无用的噪声基因,降低计算复杂度,分类精度均可以达到100%,具有较好的实际应用价值.     

基于网络层析成像技术的道路交通流预测算法

为了更有效地预测城市路网交通流量,本文提出了一种城市道路交通预测模型.该模型基于网络层析成像(Network Tomography, NT)技术建立生成树,采用期望最大 (Expectation Maximization, EM) 算法得到路网子网车流概率分布,再结合路网子网中流量守恒原则,对待预测路段流量进行推测.实验结果表明,该模型优于现常用的人工智能模型,对城市交通流量预测更为有效,且提高了预测精度.     

一种带时间窗车辆路径问题的混合蚁群算法

针对带时间窗车辆路径问题求解时蚁群算法存在容易陷入局部最优,而遗传算法初始种群的优劣对算法有效性存在直接影响,提出一种混合蚁群优化算法。算法首先在蚁群算法的节点选择概率公式中引入时间窗因素,以得到初始种群,然后通过遗传算法的交叉算子和变异算子对初始种群中的较优路径进行交叉和变异操作,从而得到更优的路径。通过Matlab环境下对文中混合算法进行仿真实验,在车辆利用率和路径规划上效果明显,表明了算法的高效性,同时混合算法可以避免陷入局部最优。     

工程结构优化中的改进生物地理学优化算法

为改进生物地理学优化(BBO)算法在工程结构优化设计中的性能,引入非线性物种迁移模型和"精英引导"等思想对BBO算法进行改进,并将算法应用于结构工程优化领域。以2个连续变量的经典桁架结构为例,进行结构在满足各项约束条件下质量最小的优化设计。数值算例表明,改进算法应用于工程结构优化设计时具有收敛速度快、稳定性好的特点,性能比BBO算法有较大提升,可以有效地应用于工程结构优化设计。     

工程图学斜轴测投影矩阵变换算法

用矩阵变换算法研究了轴测投影的图形问题学,探讨了错切变换的有效性和多样性,通过改变变换矩阵中的参数值和错切变换的矩阵变换组合方式,生成不同轴间角和轴向伸缩系数的斜轴测投影图.发现错切变换结果是多种多样的,可以生成满足不同工程需要的斜轴测投影图,为教学和编程提供了一种有效的制图方法.     

风力机叶片结构参数敏感性分析及优化设计

以某1.5 MW风力机叶片为实例,建立叶片有限元模型,并对叶片关键结构参数进行敏感性分析。结果表明,铺层角度对叶片结构特性影响最大,主梁帽宽度及铺层厚度的影响次之,主梁帽铺层位置以及腹板布置位置的影响最小。在敏感性分析的基础上,建立以叶片质量最轻为目标函数,以主梁帽宽度、铺层数、铺层位置以及腹板布置位置为设计变量,以叶片的强度、刚度与振动性能为约束条件的优化设计数学模型,采用遗传算法与有限元法相结合的方法对叶片结构进行优化设计研究。与原设计方案相比,优化设计方案的叶片质量减轻9.8%,结构应变分布更为合理,且不会发生共振,表明优化方法合理有效。     

求解旅行商问题的离散人工萤火虫算法

针对旅行商问题,提出了一种结合变邻域搜索算法思想的离散人工萤火虫算法.文中通过引入交换子和交换序的概念对人工萤火虫算法中的距离进行了重新定义;为了增加萤火虫群的多样性,避免算法过早陷入局部最优,采用了基于变邻域搜索算法的扰动机制.在多个旅行商问题上的测试结果表明,与文献中的算法相比,文中提出的离散人工萤火虫算法具有较好的求解性能.     

遗传算法的DV-Hop算法改进

DV-Hop算法中,平均每跳距离是影响定位精度的因素之一。针对平均每跳距离带来的定位误差,对锚节点和未知节点的平均每跳距离进行了改进和优化。首先引入遗传算法计算锚节点的平均每跳距离;然后利用跳数小于等于3的锚节点的平均每跳距离加权处理未知节点的平均每跳距离,减少平均每跳距离带来的误差。仿真结果表明,在不增加硬件开销的基础上,改进算法能够有效提高算法的定位精度,并且具有较好的稳定性。     

空间绳牵引并联机器人多目标优化设计

以6自由度空间绳牵引并联机器人工作空间体积、最小索力和全局灵巧度为优化目标,在保证绳索张力范围的前提下建立了多目标优化的数学优化模型.采用神经网络-遗传算法求得优化的3组满意解,并采用灰色聚类法选择多目标优化时的权重系数.仿真结果表明该优化方法可以有效地实现结构的优化,为同类绳牵引并联机器人的设计提供了有益的参考.     

改进GA优化BP神经网络的短时交通流预测

为了提高BP神经网络预测模型对短时交通流的预测准确性,文章提出了一种基于改进遗传算法优化BP神经网络的短时交通流预测方法。由于模拟退火算法具有较强的局部搜索能力,能够在搜索过程中避免陷入局部最优解,因此引入模拟退火算法中的Metropolis接受准则来增加遗传算法的局部搜索能力,避免了遗传算法过早收敛和陷入局部最优解。通过改进的遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以求得最优解。仿真结果表明,该方法对短时交通流预测具有较好的预测精确性。