自适应混沌克隆进化规划算法

结合混沌和抗体克隆选择学说，提出一种新的人工免疫系统算法——自适应混沌克隆进化规划算法．新算法基于Logistic混沌序列；利用个体质量、进化代数和个体分布情况构造混沌变异算子；通过Logistic混沌序列自适应调整变异尺度，理论分析和仿真实验表明，与标准的遗传算法和采用随机变异的克隆选择算法相比，该算法收敛速度快，求解精度高，稳定性好，并有效抑制了早熟现象。     

基于改进型差分进化算法的机组负荷经济分配

在分析差分进化算法(DE)的基础上,提出一种基于"DE/target-to-best"控制策略的改进型差分进化算法(IDE),该算法采用上一代进化过程中种群中最优矢量替代DE算法中上一代最终产生的矢量作为变异操作矢量的IDE算法,避免了DE算法可能陷入早熟或者收敛速度下降等问题。将该算法用于解决机组负荷经济分配,计算机仿真测试表明,在考虑电机组燃油、阀值效应等情况下,运用IDE算法的费用消耗最低,算法整体性能表现比GA、PSO、DE算法优越。     

盲均衡和信道参数估计的一种ICA和进化计算方法

首先给出了一种盲均衡的新方法。该方法利用过程采样技术和一种新的独立分量分析神经网络，仅通过接收到的信号完成在线盲均衡，基于接收信号的四阶累积量和线性系统的特性，利用进化规划算法和均衡输出序列，估计信道参数。计算机仿真结果表明算法具有较好的性能。     

基于广义能量函数的快速自适应主分量提取

通过引入一个任意对角矩阵, 提出了一种广义能量函数(GEF)来优化一个两层线性神经网络的连接权矢量, 推导出一种递归最小二乘(RLS)算法, 不需要设计非对称电路, 即能并行提取一个输入协方差矩阵的多个主分量. 分析了算法在平衡点的局部稳定性能. 实验结果表明该算法具有收敛快、稳健性好等优点.     

改进果蝇优化算法优化广义回归神经网络的预测问题研究

为提高传统非线性预测模型的预测精度,提出一种基于改进果蝇优化算法优化广义回归神经网络的预测方法,将果蝇群体分两部分分别进行迭代寻优,从而改进了果蝇优化算法的寻优性能,进而避免了在寻优过程中陷入局部最优。该方法利用改进果蝇优化算法优化广义回归神经网络的径向基函数扩展参数,然后用训练好的广义回归神经网络预测模型进行预测,最后通过订单预测算例进行实证研究。实证研究结果显示,该方法在解决订单预测问题中与未改进的果蝇优化算法优化广义回归神经网络和传统的广义回归神经网络方法对比,具有更高的预测精度和更好的非线性拟合能力。     

基于平均增益模型的连续型(1+1)进化算法计算时间复杂性分析

连续型进化算法的计算时间复杂性分析是进化计算理论研究的一项公开难题,目前相关研究成果较少.针对连续型(1+1)EA,基于适应值差函数提出了平均增益模型及其分析方法,给出了平均计算时间的计算理论,为算法的计算时间复杂性分析提供了依据.在此基础上,研究还选取了学术界关注的球形函数作为研究对象,分别推导了变异步长满足标准正态分布和均匀分布的连续型(1+1)EA在优化球形函数时的平均增益,并估算出了它们的平均计算时间.理论分析说明:1)两种算法的计算时间复杂性都是指数级的;2)在给定相同精度和初始适应值差的前提下,采用均匀分布变异算子的算法其寻优速度优于采用标准正态分布变异算子的算法.进一步地,通过数值实验对理论分析结果进行了验证,结果表明平均增益模型分析是有效的.     

基于L-M算法的EV71传播预测模型

本文基于神经网络L-M优化算法,提出一种时EV71病毒的有效预测模型,利用matlab进行仿真模拟,结果和阜阳病毒感染情况非常符合.神经网络L-M优化算法克服了神经网络BP算法收敛速度慢的缺点,同时通过学习训练,本模型的神经系统具有有效性和通用性的特点.     

基于ARIMA-RBF算法的月度降雨量预测研究

为了对月度降雨量进行科学预测,将ARIMA模型与RBF神经网络相结合,提出一种基于ARIMA-RBF耦合算法的月度降雨量预测模型。首先,利用ARIMA模型对月度降雨量线性部分进行拟合预测,计算ARIMA模型预测的残差;然后,利用RBF神经网络对ARIMA模型残差进行拟合预测;最后,利用RBF神经网络预测结果对ARIMA模型进行补偿修正,得到最终降雨量预测结果。将该方法用于重庆市沙坪坝月度降雨量实际预测中,预测结果精度高于单一ARIMA模型以及RBF神经网络,能够满足实际预测需求。结果表明:将线性拟合算法和非线性拟合算法结合起来用于月度降雨量预测是一种较为优越的算法。     

双学科(气动/电磁)优化中的遗传算法研究

遗传算法(GA)是一种非传统性, 模仿生物的自然选择与进化而形成的一种概率搜索和总体优化的方法. 讨论了此算法的要点和关键参数. 为应用于多目标和多学科优化的问题, 提出了一种综合考虑多目标和多约束的要求, 并引入归一化系数和约束函数的罚系数的适应函数.     

基于D-S理论的分布交互式多传感器联合概率数据互联算法

为了解决杂波环境下利用分布式多传感器系统跟踪多机动目标的问题，提出了一种分布交互式多传感器联合概率数据互联算法,该算法对每个传感器应用交互式联合概率数据互联法滤波，并将模型概率、状态估计等滤波结果送至融合中心．融合中心首先对各目标进行航迹相关判别并应用D-S证据理论对不同传感器关于同一目标的各模型概率进行融合，然后依此模型概率计算各目标状态估计并反馈至各传感器．最后给出了该算法的分析，仿真结果表明本算法能够很好地解决杂波环境下多传感器多机动目标的跟踪问题．