改进的免疫遗传算法在桁架结构优化设计中的应用

从免疫系统原理出发,结合遗传算法提出了一种基于二次选择的免疫遗传算法的构造,避免了传统遗传算法易陷于局部最优的不足。对该算法中最为关键的两个部分,选择概率和抗体浓度的构造进行了讨论。并将该算法应用于桁架结构的结构优化设计,与标准遗传算法优化的结果相比较,优化能力有所提高。     

改进罚函数分级遗传算法及其在桁架结构优化设计中的应用

遗传算法在应用于结构优化设计时无需将约束条件显式表达,可以方便地处理各类位移和应力约束问题,因而在桁架结构的优化设计中得到广泛应用.基本遗传算法结合罚函数法在处理桁架结构优化设计等有约束优化设计问题时存在迭代代数过多、收敛不稳定等问题.文章提出根据种群中个体偏离约束限值的程度进行惩罚的罚函数法,能够较好地处理非可行解,扩大搜索的区域;通过分级、排序操作保证优秀个体优先被选择,良好的基因得以遗传;采用锦标赛选择方法根据个体的种群级别、约束偏离程度进行选择,在算法进化过程中较好地保持种群的多样性,避免陷入局部最优解陷阱.通过对2个经典的桁架结构案例进行算法可行性的验证,优化结果表明,相对于传统的遗传算法,采用文章的方法可以快速稳定地收敛到全局最优解,该方法可以推广到其他结构体系的优化设计中.     

模糊遗传算法在钢桁架结构优化设计中的应用

考虑到约束条件的模糊性,应用遗传算法和模糊集原理对钢桁架结构进行了优化分析.通过对计算结果的比较和分析,可以得出考虑了结构模糊性的遗传算法对于结构优化设计的优越性,它的优点在于增加了得到整体最优解的可能性,同时,提高了收敛精度,降低了收敛过程中的重复次数,减少了计算时间.     

改进自适应遗传算法在BP神经网络学习中的应用

针对遗传算法容易产生局值的问题,提出一种新的自适应遗传算法,改进遗传算子,通过比较两代之间的适应度评估值,选取适合的交叉率和变异率,保证了优秀个体进入下一代,而且避免了种群中最大适应度值的个体的交叉率和变异率为0的情况.最后,将改进后的算法应用于库存控制模型,实验表明,改进后的自适应遗传算法能避免局值,提高网络的收敛速度,改善了网络的学习性能.     

遗传算法优化BP神经网络在纳税评估中的应用

将遗传算法优化误差反传(BP)神经网络的数据挖掘方法应用于纳税评估,为税务机关申报征收与税务稽查的数据挖掘建立分类预测模型.从分析的结果可以看出,模型具有良好的预测效果,能为提高税收管理的针对性和有效性提出一些参考建议,以提高税收征管的水平.     

改进遗传算法在建筑结构优化设计中的应用

针对标准遗传算法在迭代过程中经常出现未成熟收敛、发生振荡、随机性太大等缺点,提出一种新的遗传算子转基因算子,用于对标准遗传算法的改进·这种转基因算子有效地利用了计算适应度的信息,很好地保护了最优个体,并能提高群体中个体的适应度·包含转基因算子的改进遗传算法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化设计问题,也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题·算例结果表明,改进遗传算法的收敛特性和优化设计结果远好于标准遗传算法,是一种理想的建筑结构优化设计方法·     

改进遗传算法在支护结构优化设计中的应用

研究了利用遗传算法对支护结构优化设计的方法 .在普通遗传算法的基础上 ,提出了加入小生境技术和保留最佳个体策略的选择方法的改进遗传算法 .利用实例证明了 ,改进遗传算法比普通遗传算法具有更好的收敛性 ,可以提高遗传算法的可靠性及效率 .     

基于改进遗传算法的桁架结构优化

桁架是一种广泛应用于工程领域的结构形式,对其结构优化有重要的意义.文章提出了随种群的进化而动态变化的自适应交叉算子和变异算子,以提高算法的优化效率及增强收敛性;引入了精英保留策略,以克服各代种群最佳个体未能保护的缺点.建立以最小化结构总重量为目标函数的桁架优化数学模型,并应用改进的遗传算法对桁架结构进行优化求解.通过实例验证了所建模型以及对算法改进的有效性和实用性.     

遗传算法优化BP神经网络在中医按摩机器人中的应用

针对中医按摩设备的临床需求,研制了一种基于多种按摩手法的中医按摩机器人系统。同时,为了提高中医按摩机器人穴位寻找行为规划的精度,提出了一种基于遗传算法优化BP神经网络的中医按摩机器人穴位坐标预测方法,利用遗传算法弥补BP神经网络的缺陷,提高神经网络的预测精度,求解出最优解,保证了中医按摩机器人对患者做出精确的按摩治疗行为决策。并对上述方法进行了实现与仿真,结果表明,该方法对中医按摩机器人寻找患者穴位坐标具有较好的精度和较高的预测准确性。     

免疫遗传算法在BP神经网络中的应用

提出了一种基于免疫遗传算法(IGA)的BP神经网络设计方法.该算法在遗传算法(GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差及早熟现象,提高了算法的收敛性能.为了解决BP神经网络权值随机初始化带来的问题,用多样性模拟退火算法(SAND)进行神经网络权值初始化,并给出了算法详细的设计步骤.仿真结果表明,同混合遗传算法相比,该算法设计的BP神经网络具有较快的收敛速度和较强的全局收敛性能.     

遗传算法在BP神经网络学习中的应用

在遗传算法与BP神经网络结构模型相结合的基础上,设计了用遗传算法训练神经网络权重的新方法．     

改进的自适应遗传算法在结构优化设计中的应用

普通遗传算法经常出现易早熟、随机性较大、收敛速度较慢等问题,基于Sigmoid函数,提出了一种新的改进的自适应遗传算法.该算法可以有效提高收敛速度并防止算法陷入局部最优解,通过算例分析,证明了该方法的可行性和有效性.结果表明,提出的新型遗传算法可以为其在大型土木建筑结构的优化设计中的推广应用提供理论支持.     

论优化BP神经网络的一种改进遗传算法

为了全面优化BP神经网络,使之具有较好的泛化性能,改进并设计了一种遗传算法,并通过算法对比测试表明,改进后的遗传算法减少了内存占用量,保证了种群的多样性,提高了算法的运行速度和收敛效果。     

BP神经网络在字符识别中的设计改进

BP网络模型是最早被提出来的人工神经网络模型之一,它是一种简单而且非常有效的算法.在数字字符识别系统中,为了克服BP神经网络的易陷入局部极小、收敛速度慢等缺点,本文对传统的BP算法进行了多方面的改进,使得算法更加有效.     

基于改进遗传算法的BP神经网络及应用

结合遗传算法及神经网络各自的优点,利用改进遗传算法对BP神经网络的连接权进行优化,并提出了一种新的编码方式.通过与时间序列模型对比,基于改进遗传算法的BP模型效果更好.     

基于遗传算法优化的BP神经网络在股指预测中的应用研究

针对股票价格不仅受到众多不确定性因素影响而且数据本身具有高度模糊非线性等特点而导致的预测难问题,首先利用具有良好非线性寻优能力的遗传算法来优化BP网络初始权阈值的设置,然后构建了一个基于历史股票价量信息为输入变量,日开盘价为输出变量的股指预测模型,在对观察期内上证综指(开盘指数)的实证研究表明,优化后的BP网络在训练时不仅可以更快地实现收敛,而且对于训练集与测试集样本的预测性均得到明显地提高.     

遗传算法在神经网络设计中的应用

通过对正被广泛应用的、智能的、并行的全局优化方法—遗传算法的性能分析，并与其它算法比较，阐述了遗传算法在神经网络设计中的优越性.     

一种改进的遗传算法及其在结构优化设计中的应用

通过对遗传算法的二进制编码和实数编码的机理分析,结合2种编码的优点,从工程结构优化实际问题出发,提出了一种可以任意控制离散度的改进实数编码遗传算法.该算法利用实际工程结构问题中对尺寸设计变量精度要求的放松,在编码过程中加上"隐约束",缩小了搜索空间,减少了结构重分析次数,提高了收敛速度.该算法的优点是可以根据实际问题的需要任意选择变量的精度.实例计算表明,该算法对复杂结构的优化设计是有效的.     

BP遗传算法在结构形状优化设计中的应用

利用遗传算法(GA)对桁架结构分别进行杆件截面和节点坐标的优化设计,利用BP网络的高度非线性映射能力来得到遗传算法的适应度函数值,替代优化中重复采用有限元分析的方法,降低计算花费时间,提高了算法收敛速度.通过25杆输电塔架算例的优化设计,验证了此方法的实际应用是可行的.     

小生境遗传算法优化的BP神经网络模型

针对传统BP神经网络模型收敛速度慢、易陷入局部极小点、网络结构不稳定等缺陷,提出一个小生境遗传算法优化的BP神经网络模型.该模型充分利用小生境遗传算法的搜索能力和BP神经网络的非线性映射和学习联想能力,通过小生境遗传算法的选择、交叉、变异及小生境淘汰等操作,优化BP神经网络的初始权值和阈值,并采用BP算法对网络进行训练,有效解决网络初值不合理的问题,提高网络收敛速度、稳定性.实验证明:与传统方法相比,该模型具有很强的可行性和有效性.