一种基于Hopfield神经网络的Adhoc网络QoS路由选择算法

当前研究Adhoc网络的QoS保证主要集中于QoS路由选择。人工神经网络已成为求解大规模优化问题的一种有效方法，已经证明合适的神经网络能实时地得到问题的精确解。主要考虑在Adhoc网络中满足时延条件下的最小耗费问题，建立了一种新的Hopfield神经网络模型，给出能量函数各参数之间的关系，并证明了通过适当选取参数，网络的可行解将是渐近稳定的。计算实例表明了新网络模型的有效性。     

基于神经网络的复杂工业过程参数设定值计算

针对目前复杂工业过程参数设定值计算模型存在的问题，研究了神经网络与传统数学模型相结合的组合建模方法，重点讨论了该方法在带钢热连轧生产过程参数设定值计算中的实际应用。3年来的生产实际运行结果表明，神经网络的成功应用为热连轧厂进一步提高产品质量和自动化水平创造了有利的条件。     

高压下过苯胺黑聚合物极化子的迁移率

在改进的Ginder-Epstein模型下,通过变动模型参数V2,0来表示对过苯胺黑聚合物施压,采用分子动力学模拟方法,计算了不同压强下n型极化子的迁移率.结果表明从零压增加到9.3 GPa,极化子迁移率先增加后减小,迁移率达到最大值约370 cm2/(V.s),饱和压强值在4～5 GPa之间.计算结果与实验上观察到的随压力增大聚合物电导率增高直至饱和的现象相吻合,确认了聚合物的极化子导电机制.     

基于Copula模型的机翼结冰飞行风险定量评估方法研究

结冰条件下飞行风险定量评估可以为飞机结冰适航验证提供参考指标。提出了极值理论与Copular模型相结合的机翼结冰条件下风险定量评估方法。基于人 机 环复杂动力学模型进行蒙特卡罗仿真实验,提取了关键飞行参数（空速、滚转角和迎角）极值。利用辨识得到的参数进行拟合优度检验,验证了Joe Copula模型能够较为准确描述三维极值参数联合分布形式。通过建立的风险概率判据计算了飞行风险概率,分析表明结冰风险事件往往伴随着飞行安全关键参数不同程度的超限和耦合影响。所提方法可为结冰条件下的飞行风险定量评估和预测管控提供理论参考依据。     

车用柴油机扭矩和烟度的神经网络分析研究

建立了以扭矩和烟度为输出参数的柴油机稳态神经网络模型。并根据所建立的模型针对东风汽车公司制造的6BTA柴油机的扭矩和烟度进行了神经网络的计算分析，计算结果和实测数据基本相符。同时对某一工况稳因度参数进行了优化计算。     

台风风场随机参数敏感性分析

在沿海台风多发区域，高耸和长大结构对于台风风速作用非常敏感，故有必要合理估算结构寿命期内可能遭遇的台风极值风速，结合台风气候条件下风速分布模型与Monte-Carlo可靠度分析方法，构建了台风风场随机模型，分析了台风风场风速的分布特点，数值化地再现台风的基本结构．选用1949年至2001年对上海地区有明显作用的75个台风记录，用敏感性分析方法计算了台风风场多个随机参数对于台风极值风速的贡献程度，为台风随机模型的极值风速预测作了必要的准备．     

基于量子算法的MIMO-OFDM信号检测研究

信号的最优检测在常规条件下是-NP难解问题,针对RBF(径向基函数)神经网络算法易陷入局部极值和简单遗传算法收敛速度慢的问题,文中提出了新型的量子智能算法,并应用于MIMO-OFDM系统信号检测中:算法将遗传算法与神经网络相结合,用遗传算法优化神经网络初始值,在遗传算法优化神经网络时采用量子计算操作.由于QGA(量子遗...     

基于BP神经网络模型的磨床部件动态灵敏度分析

利用ANSYS的APDL语言建立磨床部件的参数化模型，计算出磨床部件的动态特性，快速采用得到BP神经网络模型的学习样本，建立基于BP神经网络的动态分析模型，将磨床部件结构参数与其动态特性之间的关系反映为神经网络模型的网络输入与网络输出之间的数学关系，从而方便地，快速地对磨床部件进行了动态灵敏度分析，结果表明，在BP神经网络模型上进行磨床结构优化要比在有限元模型上方便，快速，该方法特别适用于对大型复杂结构的优化设计计算。     

机械设计特征值反问题求解的神经网络算法研究

研究了特征值反问题求解的几种神经网络模型：直接逆模型，间接逆模型，优化方法模型，指出了各种方法的应用范围。研究表明，神经网络的直接逆模型使用范围十分狭窄，间接逆模型不一定收敛，而基于有限元分析的神经网络-优化方法模型，在结构参数到频率响应之间的映射关系为非双射时，也完全能获得正确结果。数值实例表明了该方法的有效性。     

自适应粒子群神经网络交通流预测模型

针对传统神经网络预测模型预测结果准确性低且存在大量无效迭代的问题,提出了自适应权重粒子群神经网络交通流预测(PSOA-NN)模型。首先根据待预测点的上下游观测点数和历史数据,随机初始化若干组模型参数并计算每组参数对应粒子的适应度;然后采用改进的sigmoid函数替代原有模型中的固定惯性权重,并根据其中适应度变好的粒子更新粒子速度和位置,一直迭代到粒子适应度小于预设值为止;最后将满足条件粒子对应的模型参数应用到神经网络模型,根据实时交通流数据预测出15min后的数据。仿真结果表明,使用PSOA-NN模型,可使得在同等预测误差范围内收敛速度提升0.6~1.7倍。     

基于遗传与粒子群混合优化算法的分布式模型预测控制系统结构分解

为了对分布式模型预测控制系统进行分解,采用一种遗传算法与粒子群算法的混合优化算法对系统进行分解的方法。混合优化算法兼具两种算法的优点,相对于采用单一优化算法,收敛速度更快且精度更高。对控制系统的输入进行分组可以有效消除系统输入之间存在的耦合,平衡各子系统之间的通信负担,因此对控制系统进行输入分组,可以完成对系统的结构分解。定义了一个系统拆解目标函数对输入分组问题进行求解,并通过对热镀锌生产线控制系统中的部分输入进行分组实验,验证了方法的有效性。     

整数编码的组群遗传算法在分组优化中的设计和应用

摘要：
在管理实践中广泛存在的分组优化问题大多是强NP Hard问题，求解难度较大.针对制造企业供应物流决策中合并运输的分组优化问题，设计了基于整数编码的组群遗传算法.在简单直观的整数编码方式下，提出了两点组群杂交以及基于适应值的组群启发式变异等遗传算子，实现了面向组群的进化过程，为求解复杂的多约束、非线性的分组优化问题提供了新的方法.该算法应用于物流决策实践，与基于BSD的启发式算法相比较，检验了算法的性能和参数设置. 关键词：
组群遗传算法； 分组问题； 供应物流； 运输合并； 联合补货
中图分类号： F 253.4
文献标志码： A     

优化网络布置费用的遗传算法

【目的】针对网络布置费用的优化问题,利用基本遗传算法的良好搜索性能,设计出优化网络布置费用问题的遗传算法。【方法】通过分析网络布置费用的优化问题,抽象出网络模型,并将该问题转化为求解无向图中最小生成树的问题。【结果】基于遗传算法基本原理和抽象出的网络模型,设计出一种优化网络布置费用的遗传算法。【结论】应用遗传算法解决网络结构优化问题,可以让用户在短时间里获得一个比较满意的结果。     

遗传算法在电机系列优化设计中的应用研究

电机的系列优化是一处复杂的有约束,非线性,混合离散多目标规划问题。文章在传统遗传算法的基础上,对算法进行了改进,使之适用于电机系列优化设计,并且把该算法应用于Ｙ系列电机的系列优化设计中,优化设计结果表明这种算法效果是比较理想的。     

基于混合学习算法的模糊神经网络控制系统

针对复杂非线性系统在控制过程中的不确定性及参数的时变性,设计了一种模糊神经自适应预测控制系统,通过误差补偿以提高预测控制的精度;对模糊神经网络（FNN）的学习算法进行了研究,利用遗传算法的全局搜索能力对FNN控制器参数进行离线优化,并对遗传操作进行了改进,使其最终搜索到全局最优或近似全局最优的附近,再利用BP算法的局部搜索能力和对对象的适应能力,进一步对参数进行在线调整。从而使系统具有更高的学习精度和更快的收敛速度,所得的FNN具有良好的泛化性能。仿真结果证明了本方法的有效性。     

基于GATS混合算法的最优作业切换不相关并行机成组调度研究

不相关并行机调度问题是车间调度中的典型问题,而单件小批量生产模式导致频繁的作业切换和大量的作业切换时间,降低了设备利用率和生产效率。文中提出了基于成组技术的排序依赖作业切换时间的不相关并行机调度问题研究。根据工件加工所需资源的相似性进行工件聚类成组,满足机器约束条件确定所有工件组在各机器上的分配,以及确定同一台机器上的各工件组以及组内的排列顺序。以最小化总拖延时间为优化目标构建了数学模型,应用了遗传禁忌搜索(GATS)算法进行求解,针对不同规模的问题分别对比人工蜂群(ABC)算法和遗传模拟退火(GASA)算法进行案例研究。对比结果显示文中提出的算法具有较好的寻优能力。     

基于遗传算法的桥式网络可靠度和冗余度分配优化

针对桥式网络系统,提出子系统可靠度指标和冗余个数一体化并发设计问题,并建立优化模型,将Matlab遗传算法应用于复杂系统可靠度和冗余数的最优分配这类非线性连续变量和离散变量混合问题的求解,为实际问题中的网络系统提供设计方法,最后通过算例结果验证该模型的有效性和实用性.     

基于模拟退火算法的最优控制问题全局优化

参数化后的最优控制问题是一类高维非光滑非线性约束优化问题,传统的非线性规划算法求解时存在着收敛性差、局部收敛等问题。针对上述问题,该文采用多重参数化方法处理最优控制问题,非可微精确罚函数方法处理约束条件,引入了具有良好全局收敛性的模拟退火算法求解参数化后的最优控制问题。典型的时间最优和燃料最优控制问题的求解结果表明：模拟退火算法有着可靠的全局收敛性,优于遗传算法以及序列二次规划等经典优化算法。     

资源优化模型及遗传算法

在网络计划中提出了资源优化问题,并建立了资源优化数学模型.同时,指出现代优化算法是求解资源优化模型的主要算法,并使用遗传算法对资源优化模型进行求解.此遗传算法与传统的遗传算法有所不同,第一是根据资源优化过程的特点设计的独特的杂交概率和变异概率,可以既尽快获得最佳模式又扩大搜索范围,避免早熟现象的发生;第二是引进了检查和修复算子以保证杂交和变异的子代满足可行性的要求;最后给出了算例以验证算法的有效性和正确性.     

遗传算法解TSP问题的程序设计

遗传算法是基于生物进化原理的普适性全局优化算法,针对一类NP完全的组合优化问题—旅行商问题,文章阐述了用遗传算法求解旅行商问题的算法步骤,并给出相应的程序设计.将此算法应用到6个旅行商问题中所得到的结果与弹性网络得到的结果进行比较,得出用遗传算法得到的结果与最优解较为接近的结论.