基于分级遗传算法的结构损伤识别方法

提出了一种基于遗传算法的利用不完整振动数据识别结构损伤的新方法，该方法首先扩展不完整的振型并利用单元能量熵差比确定结构损伤的大致位置，然后采用二级搜索策略，借助遗传算法确定结构损伤的程度，数值计算结果表明，当可能的损伤区域较大时，本方法较直接搜索策略更能有效地确定结构损伤的程度。     

基于遗传算法的全局优化及在团簇结构搜索中的应用

遗传算法是研究复杂体系特性时经常采用的一种高效的全局优化方法.以开发出的程序为基础,介绍了遗传算法的基本特征、操作步骤、技术细节及在团簇结构优化中的运用.通过在富勒烯和铋团簇两类代表性团簇结构优化问题中的具体应用,所得结果与已有的理论和实验数据符合较好,印证了所提出的操作方案的有效性、高效性和通用性.     

基于遗传算法的神经网络在局部放电模式识别中的应用

针对ＢＰ神经网络（ＮＮ） 在大型发电机局部放电模式识别中存在的收敛速度慢、容易陷入局部极小点的问题,提出采用遗传算法（ＧＡ） 作为神经网络的学习算法．并且根据神经网络结构的特点,构造了新的遗传算子．结果表明,与ＢＰ神经网络相比,ＧＡ 神经网络的收敛性能和推广能力都有了明显提高     

BP算法的改进及在模式识别中的应用

主要分析了BP算法的特点以及在模式识别应用中存在的一些缺陷,研究了遗传算法和BP算法相结合的相关技术,设计并实现了一个遗传算法和BP算法相结合的BP-GA算法,并用一个经典实例说明该算法在模式识别中的应用.实验结果表明,基于BP-GA的模式识别系统有较好的泛化能力,较好地克服了网络单纯利用BP算法训练网络陷入局部极小值,导致网络训练失败的缺陷.     

遗传算法在蛋白质结构预测中的应用

蛋白质结构预测在生物信息学研究中占有重要地位,此文对遗传算法（GAs)在蛋白质结构预测中的应用作一评述,首先,简要地介绍了遗传算法和一般的蛋白质构象搜索问题,然后对近年来用遗传算法解决蛋白质结构预测的研究作了回顾,并分析了算法的效果和特点,最后,展望了用遗传算法解决蛋白质结构预测问题的前景。     

基于遗传算法的非线性模式识别

文章设计了一种人工神经网络模型结构,以一种遗传算法进行该模型参数的组合优化建模,将其用于非线性模式识别.该方法不仅对线性问题有效,对非线性问题同样有效;该法简洁易行,优于多段线性分类器设计方法与BP误差回传网络算法.实例表明,遗传算法仅繁殖40代就能达到理想结果,其识别率达100%.     

混沌遗传算法及其在模式识别中的应用

本文针对遗传算法的收敛速度较慢,容易陷入局部极小值,精度不高等问题,在标准算法的基础上,提出改进后的混沌遗传算法,并将改进后的算法应用于图像分割问题中,通过Visual C＋＋进行编程实现,达到了满意的效果。     

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·     

遗传算法与神经网络在模式分类中的应用

作者在本文中介绍了怎样利用遗传算法对多层神经网络的结构进行优化,并通过模式分类模拟了实验,说明该方法是可行的、有效的。     

遗传算法矩阵编码评述

遗传算法是一种基于自然选择和遗传变异等生物进化机制的全局优化搜索算法．文章阐述了其矩阵编码研究的有关工作进展，对矩阵编码的机制进行了研究，讨论了矩阵编码的算法框架及特点，并介绍了其未来研究方向．     

一种改进的遗传算法

传统的遗传算法有两个严重的缺点,即不能有效地克服过早收敛现象,以及在进化后期搜索效率较低。模拟退火算法是基于金属退火的机理而建立起来的一种全局最优化方法,它能够以随机搜索技术从概率的意义上找到目标函数的全局最小点。本文将遗传算法与模拟退火算法相结合,提出模拟退火遗传算法,实验结果表明,该算法在性能上有较大的提高。     

悬臂梁结构损伤诊断的模式识别方法研究

选取悬臂梁作为典型构件,将模式识别理论和方法应用到基于模态分析的诊断技术中,利用由模态参数构造的损伤信息特征量建立损伤模式,对结构损伤位置进行识别.     

基于遗传算法和BP神经网络的结构损伤识别

鉴于BP神经网络需要较长的训练时间、易陷入局部极小值、网络权值和阈值难确定等不足。运用遗传算法全局寻优的特点对BP网络的权值和阈值进行优化。同时运用遗传算法进行网络训练,避免网络收敛于局部极小值。通过对一根单梁实验数据的识别,结果表明两者的结合能对结构进行准确的识别。     

模式识别理论和技术在语音识别研究中的应用

语音识别是让机器听懂人的说话,并准确地识别出语音的内容和执行相应操作的技术．该文介绍了语音识别发展的过程,语音识别系统的结构和识别过程,模式识别理论和技术在语音识别研究中的应用以及语音识别中的关键技术和面临的问题．最后讨论了语音识别技术存在的优点和不足,并展望了其应用研究的前景．     

多级模糊模式识别在环境评价中的应用

在多级模糊模式模型的基础上,提出了一种改进的多级模型模式识别方法。即针对冶金工业环境的实际情况,对原有多级模糊模式识别模型中的样本集指标特征值矩阵X进行了修改,以国家标准《有毒作业条件分级《（GB12331－90》以有《工业企业设计卫生标准《（TJ36－79）中规定的分级指作为矩阵X的元素,运用多级模糊模式识别模型进行环境评价。最后应用改进的多级模糊模式识别方法对某焦化厂焦炉作业环境进行了健康危害评价,验证了该方法的正确、有效性。     

Fuzzy模式识别在主导产业选择中的应用

制定产业政策的关键是选择优先发展的主导产业。针对主导产业选择这一重大问题,本文根据主导产业的特征,用定量分析方法给出了评价指标体系。并在此基础上建立了选择主导产业的Fuzzy模式识别评价模型,最后对贵州现阶段主导产业的选择进行了实证分析。     

Improved Genetic Algorithm Application in Textile Defect Detection

Based on an efficient improved genetic algorithm, a pattern recognition approach is represented for textile defects inspection. An image process is developed to automatically detect the drawbacks on textile caused by three circumstances： break, dual, and jump of yams. By statistic method, some texture feature values of the image with defects points can be achieved. Therefore, the textile defects are classified properly. The advanced process of the defect image is done. Image segmentation is realized by an improved genetic algorithm to detect the defects. This method can be used to automatically classify and detect textile defects. According to different users＇ requirements, different types of textile material can be detected.     

遗传算法的并行处理分析

随着高性能计算机与网络的发展,将遗传算法与并行处理相结合,可大大提高遗传算法的执行效率.分析了遗传算法并行化的动因和实现模型.     

基于遗传算法的基站天线赋形波束综合

提出了一种改进的适应度函数确定方法,通过改变适应度函数中的待定参数,有效提高了搜索效率。采用遗传算法对基站天线的方向图赋形,其结果优于同种条件下用WoodWard法得到的结果。结合工程实践,考察了本文遗传算法的解的稳定性。文中的结果对工程和理论研究都具有重要意义。