基于多维参数估计的河流水质数学模型研究

河流水质数学模型的建立可以为河流中污染物排放与河水水质提供定量关系.通过对河流的参数同时估值,该方法的优点是从模型的整体出发,计算模型中的参数,从而大大提高了所选模型的可靠性.     

基于遗传算法的河流水质模型参数估值系统

河流水质模型的参数最优化估值需要进行约束非线性规划的求解,遗传算法是一种高效的启发式随机搜索算法。将遗传算法应用于河流水质模型的参数估值问题的求解,开发了基于遗传算法的QUAL2E模型参数估值系统,并进行了算例验证,结果表明该系统具有较高的可靠性和搜索效率。     

地表水水质评价模型及其遗传算法求解

以标准等级水体为样本点构造样本空间,借鉴无单元思想,建立带权的地表水水质评价模型.对模型中的参数,根据数据拟合的思想,将问题转化为一个非线性优化问题,然后利用遗传算法进行求解.用已知算例对评价模型的合理性进行对比检验,并将其成功应用于密云水库样本点水质的综合评价,最后将此模型推广到一般情形的评价问题.     

基于遗传算法的时序混合模型的参数估计

本文对时间序列中所表现的非高斯性进行了探讨，提出了EMTD模型，利用混合指数分布函数对时间序列建模，给出了EMTD模型的一阶矩、二阶矩平稳性条件．利用遗传算法对模型的参数进行了估计，并推导了参数的标准误差．     

遗传算法在 IRT 模型参数估计中的应用

IRT(项目反应理论)在现代教育考试与测量中的研究和应用正日益受到广泛关注,本文阐述了遗传算法在IRT模型参数估计中的应用。     

BOD-DO水质模型多参数反演的遗传算法

给出了利用遗传算法求解河流水质BOD-DO模型参数反演的一种新方法,该方法把参数反演问题转化为优化问题用遗传算法求解,其特点在于:从多个初始点开始寻优,并借助交叉、变异算子来获得水质参数的全局最优解。模拟结果表明,该方法具有精度高,收敛速度快且易于计算机实现等特点。     

基于遗传算法的项目反应理论3PLM参数估计

对MT中3PLM的参数估计问题，用传统的统计估计方法解决得并不令人满意，该文应用加速遗传算法解决这一问题，这一方法克服了传统参数估计算法中对迭代初值要求严格的缺点．蒙特卡洛模拟结果显示，新的估计方法提高了估计值对真值的恢复能力，特别是提高了难度和猜测度参数估计的精度．     

基于参数估计的遗传算法组卷研究

研究了针对受试学生群体的实际能力作出能动反映的组卷算法,提出基于项目反应理论,采用参数估计的方法,对遗传算法的适应度进行改进,提高了组卷算法对学生群体的适应性.     

多河段非稳态河流水质模型研究

提出了一种非稳态模型求解方法,得到了Stastry非稳态河流水质模型的解析解.为了准确辨识多河段河流水质模型结构,提出了非线性模型结构新的最优判据及算法,将最大信息量准则下的优选算法计算量由O(m!)降至O(m 3 ),计算量与逐步回归法相当.提高了模型结构辨识数值稳定性和计算效率,而且,建立了模型判据和数据长度之间的关系.实践表明新方法可以有效地识别多河段河流水质模型结构.     

改进的AGA在河流水质模型参数优化中的应用

河流水质模型一般具有非线性、非凸等不规则特点 ,若能找到一种优化方法平衡各参数的相对重要性 ,并能使其达到足够的精度 ,这是合理运用水质模型的关键。文章提出通过设置断点对 AGA加以改进 (称改进的 AGA) ,并成功地应用于多参数多宾斯 BOD-DO河流水质模型参数优化中 ,表明设置断点的有效性     

应用遗传算法推算多元溶液热力学数据

应用遗传算法推算溶液热力学数据，并对标准遗传算法作了适当的改进，得到改进的遗传算法.举水+DMF (二甲基甲酰胺)，正丙醇+DMF，水+正丙醇体系推算水+DMF+正丙醇三元体系为例，并与POWELL法比较.计算结果表明，遗传算法比POWELL法不仅在二元参数关联上有更强的能力，而且对预测三元数据也有更好的效果.     

遗传算法在马斯京根模型参数估计中的应用

在马斯京模型参数估计问题中,引进了绝对残差绝对值和最小准则及相对残差绝对值和最小准则,直接优选参数,探讨了遗传处的原理及本身参数优化特性,总结了参数的简便设置技术,并针对该法的寻优效果明显依赖于模型参数的初始变化区间的大小,及可能会出现过早收敛的问题,提出了自适应加速遗传算法,通过实例应用,进行了本文方法与传统优化方法的比较,结果表明,本文方法具有直观、简便,快速、适用性强等特点,可广泛应用于各种优化问题中。     

一种基于实数编码的亚级遗传算法

亚级遗传算法(自适应遗传算法)的主要思想是根据具体优化问题的不同,在适宜的范围内,自动调整遗传算法的控制参数(群体规模、杂交率、变异率),以找到优化相应问题的最佳参数值,进而得到适应性较强的最优解.通过对四例实验函数的优化比较试验,结果表明亚级遗传算法比传统遗传算法具有更好的收敛性和更高的精度.     

基于遗传算法的半导体器件模型参数提取

随着半导体器件特征尺寸的缩小,半导体器件模型也变得越来越复杂,模型参数个数急骤增加,目标函数自变量空间的维数也变得越来越大,传统的一些基于梯度的参数提取方法已经不能很好地解决问题。遗传算法是一种应用基因工程和人工智能模拟的优化算法,近年来在半导体器件模型参数提取领域被广泛使用,这种方法能有效地克服传统参数提取方法中的一些困难。详细阐述了采用遗传算法提取半导体器件模型参数的原理,同时也指出了采用这种方法提取模型参数时的缺点和目前的一些解决方法。     

基于遗传算法提取PN二极管主要参数的研究

遗传算法是一种新兴的演化算法,计算方法简便,收敛速度快,收敛准确。它被用来估计二极管参数。实验结果表明遗传算法是估计二极管参数的新方法。     

高非线性水质模型参数最优化估值的改进遗传算法实现

遗传算法是一种具有全局搜索功能的进化算法,对解决水质模型参数最优化估值问题针对性强,但该算法存在着局部早熟收敛和收敛速度慢两个不足,因此目前在水质模型参数优化中的应用主要以具有解析解形式的简单模型为主,解决多维非线性度高的综合水质模型参数最优化问题效果不佳.本文在标准遗传算法(SGA)的基础上,建立改进的实编码混合遗传算法(IRHGA),通过设定目标函数最大控制因子,运用SA算法拉伸适应度值,串行混合单纯形直接搜索算法三项主要改进措施,达到改善算法在非线性响应曲面陡峭峰谷间搜索时,不丢失最优解空间和后期有效分辨最优适应度的效果.以测试函数Rastrigin为验证,得到了已知的最优结果.最后,以高非线性水质模型的参数优化估值问题为实例进行验证,结果表明,针对非线性度高的陡峭曲面搜索,具有避免局部早熟收敛的优点.优化搜索过程中,各搜索个体全局均匀分布,对有可能被陡峭峰谷掩盖的最优点位置都能进行搜索,并且,在搜索后期接近最优点附近时,搜索分辨率高,速度比改进前更快.优化后的水质参数代入模型中,模拟所得结果与给定的实测值间误差更小,实现了高维复杂水质模型多参数的同时优化功能.该算法对其他非线性优化问题同样具有较好的适用性.     

基于遗传算法时滞系统的滤波器参数自调整内模控制

对于工业控制过程中的时滞系统,采用内模控制的设计方法,建立了滤波器参数λ的优化自整定;并且研究了利用十进制编码的遗传算法及其具体的遗传操作过程,实现了滤波器参数λ的优化自整定,从而避免了二进制编码所导致的影射误差.仿真结果表明,对于在控制过程中过程模型变化或过程模型与预估模型失配时,通过优化调整内模控制器的滤波器参数λ;可改善系统的控制品质,提高控制系统的鲁棒性,且易于工程实现.     

基于自适应粒子群算法的重油热解模型参数估计

通过构造一个合适的目标函数,将化工模型参数估计问题转化为一个多维数值优化问题,然后提出一种参数自适应调整和维变异的改进粒子群优化算法来求解该问题。该算法首先利用佳点集方法初始化种群以保证粒子的多样性。惯性权重和学习因子随进化过程自适应调整,从而协调算法的全局和局部搜索能力。为了避免算法陷入局部最优,对收敛度最小的维进行变异。几个标准测试问题的实验结果表明该算法具有较强的全局寻优能力。最后将改进粒子群算法应用到重油热解模型参数估计中,并与基本遗传算法（SGA）和粒子群优化算法（SPS0）进行比较。研究结果表明：本文得到的平均相对误差为5．62％,比SGA和SPSO分别低1．08％和0．50％。