基于拓扑结构/自适应模糊决策的地图匹配算法

给出了基于节点信息的路网空间拓扑结构的具体描述形式．引入相关性概念，提出了一种基于道路几何信息的自适应模糊决策地图匹配算法．通过待配路段两两之间隶属度值的比较与模糊排序以及测度因子参数的适应性调整，使算法在道路几何分布复杂，且较为密集的区域，仍具有较强的适应能力．根据模糊决策后各路段隶属度值的分布情况，提出了将拓扑结构匹配算法划分为决策、校验、弃用等3个应用时段的拓扑结构／自适应模糊决策组合匹配算法的整体设计思路．对实际跑车数据的仿真处理结果表明，该算法较好地解决了地图匹配算法中相互矛盾的算法的计算效率与算法的可靠性之间的协调问题．     

基于模糊神经元网络的信息融合模型

为了解决对象是庞大数据的复杂的工业生产过程的建立模型困难的问题,提出了基于势场拓扑的层次聚类算法和模糊c均值聚类算法融合,结果表明:通过两次聚类算法的融合,获得精确的聚类个数和隶属度,以此来确定模糊神经网络的结构模型,并将得到的隶属度作为依据,建立基于多判据信息融合和模糊技术构建神经元网络模型,通过对实际地下开采生产过程的仿真,结果验证了模型的有效性。该成果对煤矿开采具有一定的参考价值和指导意义。     

基于二级结构的智能控制

本文研究了一种新的智能控制器，它有二级构成，第一级由神经元网络作为控制器，第二级由模糊决策确定网络学习参数，算法具有学习功能，与ＰＩＤ相比，该控制器控制效果也较好。     

SOA组合服务拓扑调用图的获取方法

获取组合服务执行的拓扑结构有很多重要的意义,比如说可以让程序员更清楚的知道组合服务的调用关系,可以通过每个原子构建的参数来通过拓扑结构构建组合服务的相应参数,可以更直观的分析具体实例的执行。为了上述目的,我们要采取一定的工作来获取SOA组合服务的拓扑结构。     

广义角联结构研究

研究复杂网络由两部分内容，一是研究角联风路及其影响角联风路的关联风路的性质和稳定性；二是研究复杂网络中那些风路是角联风路以及影响角联风路的关联风路，即所谓的角联结构。文章论述了基于有向图的通路法集合算法不能够确定网络的全部角联结构，提出了确定网络全部角联结构的基于无向图的路径集合算法。得出了角联风路仅取决于网络的拓扑关系，而与通风系统参数无关的结论，从图论的角度给出了角联风路的广义定义。     

基于粒子群优化的过程神经网络学习算法

基于粒子群优化为过程神经元网络提出了一种新的学习算法。新算法在对网络输入函数和连接权函数进行正交基函数展开后,将网络中的结构参数和其他参数整合成一个粒子,再用粒子群优化算法进行全局优化。新算法不依赖于函数梯度信息,不需要手动调节网络结构。粒子群优化具有良好的全局优化性能和收敛性能,保证了过程神经元网络的全局学习能力和新学习算法的收敛能力,更好地发挥过程神经网络的逼近性能。两个实际预测问题的实验结果表明,基于粒子群优化的学习算法比现有的基于梯度的基函数展开方法以及误差反传神经网络模型具有更好的预测精度。     

平面型腔加工编程中环的关系判定

提出的算法是根据比较两环顶点最大坐标值的位置，以及计算通过其中一个环的最大坐标点所作的射线与另一环的交点数目来确定两环的位置关系。在此基础上建立树状数据结构，确定环的拓扑关系，从而确定加工区域。     

并行进化算法及其在航空工程优化问题中的应用

提出了用于加速气动力形状优化过程的分级型Nash基因算法．分级型算法可以看作是并行基因算法的特例，后者使用了互相联系但独立进化的子群的概念．本文在并行基因算法中引入多层分级拓扑结构以提高算法的收敛性．这种拓扑结构混合使用不同精度的模型，低精度模型用于探索搜索空间，高精度模型用于对准优解进行提纯．将此方法与Nash博弈相结合，构造了多目标优化算法，并应用于气动力优化问题．针对喷管反设计问题与多段翼型高升力优化问题，在计算机集群并行环境下进行了计算，结果表明本文的算法具有较高的加速收敛特性．     

蛋白质拓扑结构预测的进一步讨论

利用信息论方法，找到了与蛋白质拓扑结构相关性较好的一些二级结构参数，确定了预测蛋白质拓扑结构的最佳参数、对α类，β类，α／β类蛋白制定了简洁的预测规则；对结果进行了讨论。     

基于Chebyshev零点多项式区间不确定的可靠性拓扑优化设计

传统的结构拓扑优化分析和设计都是基于特定参数确定性的物理模型。然而,在实际的结构设计中存在着广泛的不确定性,这种不确定性严重影响结构的物理性能。文中基于多椭球凸模型的非概率可靠性来量化结构参数的变化,研究存在不确定但有界的参数的连续体结构的拓扑优化问题。首先,建立变量具区间不确定性的可靠性拓扑优化模型,以结构设计区域质量最小为目标函数;然后,根据可靠性指标的几何意义,应用非概率模型寻求满足目标可靠性指标约束的设计点;在此基础上,应用区间Chebyshev零点多项式逼近归一化随机变量的真实极限状态函数,并利用单环可靠性算法计算相应目标可靠性指标下的最佳设计点值,从而使得非概率可靠性优化问题可以转化为确定性优化问题。两个数值例子说明了方法的有效性。结果表明,与确定性的结构拓扑优化设计相比,考虑变量随机性的可靠性拓扑优化能够获得更加可靠的拓扑结构。     

一种基于遗传算法的BP神经网络算法及其应用

主要分析了神经网络和遗传算法的特点和存在的一些缺陷，研究了遗传算法和BP神经网络学习算法相结合的相关技术，设计并实现了一个基于遗传算法的BP神经网络算法BP—GA，已应用于肺癌早期细胞病理诊断系统中。实验结果表明，该算法具有较强的收敛性和鲁棒性，其应用效果很好。     

基于遗传算法的RBF神经网络设计

采用了遗传算法自动构造ＲＢＦ网络,把网络结构的形式作为一个子集选择问题来解决,并提出了新的遗传操作算子来改进遗传算法,加快了收敛速度,提出了算法的实用性,文中介绍了遗传算法的结构与优化原理,并给出了ＲＢＦ网络结构的生成方法,用仿真结果证明了本算法的可行性。     

一种遗传神经网络及其在岩性识别中的应用

针对ＢＰ网络存在易陷入局部极小和收敛速度慢的问题,本文根据遗传算法的特长,在网络学习算法中使用遗传算法,克服了上述弊端,在岩性识别的样本学习中,取得了较好的结果。     

遗传算法结合改进前向神经网络进行叶轮设计

为加速遗传算法的进化过程和缩短其进化周期，探讨了将遗传算法融合神经网络进行离心叶轮形状优化设计的方法，即应用神经网格替代有限元法来完成结构优化设计中的静应力分析任务．同时，提出一种改进的前向反馈神经网络(BP算法)，在训练过程中，学习率和动量项依据输出的均方差自适应调整，来加快网络训练速度和改善收敛性．采用混合神经网络的遗传算法对某离心压缩机叶轮进行优化设计，结果表明优化设计时间可缩短至单纯采用遗传算法的几十分之一，同时也验证了该方法的有效性和可行的。     

基因遗传算法在文本情感分类中的应用

本文以微博文本为主要实验对象,提出适合卷积神经网络进行自我优化的编码方式,分别将每一层看做是一个染色体,将每一层中的参数看做是一个基因片段,采用混合双重非数值编码的方式编码每个CNN框架,设计出适合于CNN网络的选择、交叉和变异的算法,并且把基因遗传算法(GA)和与卷积神经网络相结合,提出了基于情感分析算法的遗传算法(GA-CNN).通过对传统算法与GA-CNN的实验与对比分析,良好地展示了自我优化性.     

基于改进遗传神经网络的微硅加速度传感器动态补偿研究

比较遗传算法与神经网络的特点, 并对将遗传算法用于函数连接型神经网络(FLNN)的优点进行了研究.对遗传算法的编码方法、交换和变异操作做了改进,提出了一种融合改进遗传算法的FLNN用于微硅加速度传感器动态性能补偿的新方法.该方法不依赖于传感器的动态模型, 可根据传感器的动态响应数据, 建立补偿模型,采用改进遗传神经网络搜索和优化补偿模型参数,既保留了遗传算法的全局搜索能力,又具有神经网络的鲁棒性和自学习能力.介绍补偿原理及算法, 给出动态补偿网络的数学模型.结果表明, 该补偿方法能克服FLNN收敛速度慢、容易陷入局部极小的缺陷,具有网络训练速度快、实时性好、良好的全局搜索能力、精度高、鲁棒性好及动态补偿器实现简单等优点.     

基于遗传算法的神经网络算法研究

针对神经网络存在许多局部最小点，在某些初值的条件下，算法的结果会陷入局部最小等问题．文章将遗传算法和神经网络相结合，用遗传算法替代BP算法学习网络权值，并将其应用于聚类分析．计算结果表明，遗传算法和神经网络的结合将具有良好的全局搜索能力。     

Computational intelligence: From mathematical point of view

A simple but illustrative survey is given on various approaches of computational intelligence with their features, applications and the mathematical tools involved, among which the simulated annealing, neural networks, genetic and evolutionary programming, self-organizing learning and adapting algorithms, hidden Markov models are recommended intensively. The common mathematical features of various computational intelligence algorithms are exploited. Finally, two common principles of concessive strategies implicated in many computational intelligence algorithms are discussed.     

基于RBF神经网络的PID整定

针对非线性系统,采用了基于径向基函数（RBF）神经网络的PID整定,用遗传算法优化RBF神经网络,仿真结果表明,基于遗传算法优化的RBF神经网络PID整定收敛速度快,整定效果优于基于梯度下降法优化的RBF神经网络PID整定。     

基于BP神经网络的PID控制器研究

从BP神经网络的基本原理、学习规则和学习算法出发,研究了基于BP神经网络的PID控制方法,采用3层前向网络及动态BP算法,取得了较高的控制品质。仿真结果表明,基于BP神经网络的PID控制方法在处理非线性和时变系统时具有很强的鲁棒性。