改进的粒子群算法及其在软测量建模中的应用

提出了一种改进的粒子群算法,很好地解决了基本粒子群算法中易陷入局部最优的缺点。通过比较和分析几个标准测试函数的计算结果,改进的粒子群算法的优良性得到充分的证明。改进的粒子群算法被用于优化神经网络的结构和参数,结果表明:不但网络的结构得到控制,而且泛化性能有了较大的提高。同时,算法在优化神经网络上的有效性也在4-CBA含量的软测量建模中得到了很好的证实。     

同伦连续方法及其在非线性规划中的应用

简述了同伦连续方法的发展概况及基本原理,详细介绍组合同伦算法并给出了算例.     

新型同伦算法及其在电机中的应用

通过构造新型同伦函数并结合Maple高级程序设计语言的通用工具箱,提出了同伦算法的原理与实现方法。实例计算表明了该方法的实用性、有效性,为电机参数多解问题提供了新的方法。     

求解非线性反问题的鲁棒同伦算法

基于同伦算法构造出求解非线性反问题的一种大范围收敛鲁棒算法，为改善求解的稳定性，提出了将同伦参数的选取与计算和观测结果之间的残差联系起来的方法，给出具体算法步骤．实际算例表明，本方法在一定程度上可抑制观测噪声，提高求解的准确性及迭代效率。     

求解非线性反问题的鲁棒同伦算法

基于同伦算法构造出求解非线性反问题的一种大范围收敛鲁棒算法,为改善求解的稳定性,提出了将同伦参数的选取与计算和观测结果之间的残差联系起来的方法,给出具体算法步骤.实际算例表明,本方法在一定程度上可抑制观测噪声,提高求解的准确性及迭代效率.     

非线性极小极大决策模型的同伦算法及可视化实现

利用近似极大值函数的凝聚函数，给出了一种求解非线性极小极大决策模型的整体收敛性同伦算法，建立了同伦路径存在性定量，并给出跟踪同伦径的数值实现格式。     

一维搜索问题的同伦算法

本文利用同伦方法讨论了求解无界区域上一维搜索问题的同伦路径跟踪算法,并证明了由同伦方程生成的同伦路径关于目标函数具有单调性.     

改进同伦分析方法及非线性热传导问题的同伦解

介绍一种改进同伦分析方法的基础上,把该方法推广应用到非线性热传导问题的研究中,得到非线性热传导方程在不同初始条件下的2种同伦解.把改进同伦分析方法得到的解和原同伦分析方法得到的解分别与精确解进行比较,结果发现由于改进同伦分析方法中可以用2个辅助参数来调节和控制所得级数解的收敛区域和速度,所以改进同伦分析方法得到的解能够更有效地逼近真实解.这表明,改进同伦分析方法对复杂非线性问题的研究更有它的优点.     

一种跟踪同伦曲线的自由单纯形算法

给出一种新的跟踪同伦曲线的自由单纯形算法。算法的每一步都沿着同伦曲线方向构造一个单纯形，这个单纯形由某标准单纯形经正交变换得到；然后在单纯形上作线性逼近函数；最后求出线性逼近函数的解线段代替同伦曲线。如果要整个地很好地跟踪同伦曲线，还可以每步用牛顿法校正。文章最后给出一个实例。     

求解互补问题的新同伦算法

利用同伦方法研究非线性互补问题, 通过构造一个新同伦方程证明了同伦路径的存在性、 有界性和收敛性, 并定义了一类新的函数类, 得到了这类函数对应的互补问题解的存在性和有界性.     

基于AHP-BP算法的供应链合作伙伴选择建模及其应用

将AHP法与改进的BP神经网络相结合建立了供应链合作伙伴选择模型,并使用L-M算法对神经网络权值进行训练,实现了对供应商的多标准评价;所用的评价指标体系选取全面,适用于多种类型的供应链合作伙伴选择。用实例对模型进行了验证,并取得了较好的评价效果。该模型应用简单,且减少了供应链合作伙伴选择过程中人为因素的影响,具有一定的实用价值。     

一种新的软测量方法及其工业应用

软测量是一门新兴的工业技术，它通过数学模型计算得到工程上难以检测的变量值．本文提出了一种基于模糊神经网络的软测量新方法，运用模糊集合论的知识对非线性对象进行局部模型的划分，并采用趋化性网络进行建模和模型校正．经在某炼油厂精密精馏塔的推断控制系统中的应用，表明该方法能够比较精确地建立过程模型，有效地进行模型的在线校正，而且具有灵活、简明的特点．     

利用Alopex改进的粒子群优化算法及其在软测量建模中的应用

提出了一种利用A lopex算法改进的粒子群优化算法,并将其应用于神经网络的建模中。改进的粒子群优化算法改善了粒子群优化算法摆脱局部极小点的能力,对典型函数的测试和基于神经网络的软测量建模表明:改进算法的全局搜索能力有了显著提高,特别是对多峰函数能够有效地避免早熟收敛问题。     

BP算法应用于智能传感器的数据处理

利用BP算法具有的非线性映射能力对传感器标定数据进行输入－输出特性的反非线性逼近，将其作为智能传感器系统的非线性校正软件，使传感器在该软件的支持下提高测量精度。用传感器实验数据通过训练的网络，测量相对误差由原来的6．66％下降至0．98％。     

基于核函数主元分析的软测量建模方法及应用

提出了基于核函数主元分析(PCA)方法提取变量的特征信息以有效处理非线性数据，并在此基础上进行软测量建模的方法。利用该方法建立了工业萘初馏塔酚油含萘量软测量模型，工业应用结果表明了该方法的有效性和优越性。     

基于混沌最小二乘支持向量机的软测量建模

提出一种改进算法,用来解决现有最小二乘支持向量机方法在处理大规模样本软测量建模问题时出现的模型结构复杂、失去支持向量稀疏性且正规化参数和核参数难以确定等问题.对样本集进行预处理,通过计算样本间欧氏距离进行样本相似程度分析,去除样本集中1/3的样本以简化支持向量机模型结构并提高计算速度.定义了一种混沌映射构成混沌系统并分析了其遍历性.应用改进的混沌优化算法优化最小二乘支持向量机模型参数以提高模型的拟合精度和泛化能力.将改进算法用于丙烯腈收率软测量建模中,仿真实验结果表明:模型精度较高,泛化性能好,满足现场测量要求.     

基于微粒群优化算法和支持向量机的软测量建模

在分析基本微粒群优化算法(PSO)和支持向量机(SVM)原理的基础上,采用带有末位淘汰机制的微粒群优化算法优化支持向量机的参数,建立了延迟焦化装置粗汽油干点软测量的微粒群支持向量机模型.该方法利用支持向量机结构风险最小化原则和PSO算法快速全局优化的特点,用于软测量建模.仿真实验表明:所建模型的泛化性能较好,模型具有较高的精度.     

A Novel Soft Sensor Modeling Approach Based on Least Squares Support Vector Machines

Artificial Neural Networks (ANNs) such as radial basis function neural networks (RBFNNs) have been successfuUy used in soft sensor modeling. However, the generalization ability of conventional ANNs is not very well. For this reason, we present a novel soft sensor modeling approach based on Support Vector Machines (SVMs). Since standard SVMs have the limitation of speed and size in training large data set, we hereby propose Least Squares Support Vector Machines (IS_ SVMs) and apply it to soft sensor modeling. Systematic analysis is performed and the result indicates that the proposed method provides satisfactory performance with excellent approximation and generalization property. Monte Carlo simulations show that our soft sensor modeling approach achieves performance superior to the conventional method based on RBFNNs.     

基于改进GA-PLS算法的最优辅助变量选择及其在软测量建模中的应用

提出了改进的遗传算法与部分最小二乘回归相结合的最优辅助变量的选择方法。用遗传算法来选择变量时，编码方法简单，染色体的长度为候选变量的个数，每一位的取值（0或1）表示某个变量是否被选中，具有全局搜索性能的遗传算法与传统的变量选择方法相比可以比较准确地找到最（次）优解；同时部分最小二乘回归能够克服多元回归中常见的多重共线性问题，在样本点个数少于变量个数的争件下也能进行回归建模分析。用文中提出的方法建立了催化重整过程中稳定油组分的软测量模型，结果表明了本文提出的辅助变量选择方法的优越性和实用性。