用基于实数编码的自适应遗传算法求解产量预测模型

产量预测模型本质上都是具有若干特定参数的非线性模型，对它的求解可表示为一个连续参数优化问题。用基于实数编码的自适应遗传算法对产量预测模型进行了求解，并针对模型求解的特点，提出了自适应变异、最优个体保留、分段定我为加权适应度函数等若干改进措施，从而加快了运算速度，保证了问题的收敛，并可按需要区别对待不同时间阶段动态数据对拟合效果的影响。该方法具有通用性，几乎所有的模型都可用其求解。用实测数据对Weng旋回模型和产量双曲递减曲线进行了求解，实例分析表明该算法具有较强的实用性。     

一种新的支持向量回归预测模型

采用支持向量机理论建立了一种新的支持向量回归预测模型,模型的求解可转化为二次规划问题,并能实现模型参数的自动选择,运用MATALAB软件进行编程实现.用此模型对我国财政收入问题进行了预测,并与统计回归模型进行了比较,结果表明了该模型具有较好的预测效果和概化能力.     

一种改进的线性回归预测模

用最小二乘法求解线性回归预测方程的回归系数时,计算量比较大,针对这个问题,提出一种改进的线性回归预测模型,该模型和其它预测算法配合,能够对若干种药品的销售额进行预测,挑选的药品种类越多,效率越高。最后通过具体实例验证了该模型是可行、有效的。     

一种新的支持向量回归预测模型

运用支持向量机（SVM）理论，建立了一种新的支持向量回归（SVR）预测模型.模型的求解可转化为二次规划问题，并能实现模型参数的自动选择.用此模型对我国粮食产量增长率的预测表明，模型具有较好的概化能力.     

稠油油田热采开发指标预测方法研究

选取对数正态分布为产量预测模型、Compertz模型为含水预测模型 ,注采关系曲线为油汽比模型 ,联立求解 ,进行开发指标预测 .矿场实例计算结果表明 ,该方法可对稠油油藏注蒸汽开发所有指标和全过程进行预测 ,为开发规划及油藏工程设计提供依据     

求解单侧障碍问题的自适应投影方法

【目的】单侧障碍问题在变分不等式中具有重要的应用,但不存在或很难求其精确解,所以很有必要进行数值解法的研究。【方法】利用有限差分格式将障碍问题离散为一个线性互补问题,得到该问题的一个投影不动点算法。然后用投影方法得到了变参数的算法,并在迭代过程中自动调整参数,每一步迭代只需求解一个线性方程组。【结果】将障碍问题离散为一个有限维的线性互补问题,而该问题等价于投影问题,于是得到了求解障碍问题的自适应投影算法。【结论】最后用数值算例验证了算法的有效性,与固定参数的投影算法相比较。数值结果表明参数对自适应投影算法影响较小,而且该方法收敛速度更快。     

遗传算法在预拌混凝土配送中的应用

针对预拌混凝土(RMC)配送的特点,建立了双目标RMC配送优化模型,并采用自适应遗传算法对该模型进行求解.在进化过程中采用了小生境技术保持群体多样性,并结合自适应遗传算法优化进化参数.另外,采用帕累托边界法为双目标提供多个方案,以便决策者可根据实际情况进行最终选择.     

基于神经网络的客服中心话务量预测模型

针对现有预测模型在话务量发展趋势变化、新技术新业务引入后模型失效、预测精度下降等问题,提出一种基于神经网络和事件样本库的智能预测方法.该方法具有自学习功能,可根据预测误差自动调整预测参数并更新事件样本,对话务量趋势变化、事件影响程度变化及新事件的发生具有持续自适应能力.仿真结果表明,该预测方法能有效降低预测误差,与现有...     

求解单侧障碍问题的自适应投影方法

【目的】单侧障碍问题在变分不等式中具有重要的应用,但不存在或很难求其精确解,所以很有必要进行数值解法的研究。【方法】利用有限差分格式将障碍问题离散为一个线性互补问题,得到该问题的一个投影不动点算法。然后用投影方法得到了变参数的算法,并在迭代过程中自动调整参数,每一步迭代只需求解一个线性方程组。【结果】将障碍问题离散为一个有限维的线性互补问题,而该问题等价于投影问题,于是得到了求解障碍问题的自适应投影算法。【结论】最后用数值算例验证了算法的有效性,与固定参数的投影算法相比较。数值结果表明参数对自适应投影算法影响较小,而且该方法收敛速度更快。
     

求解双侧障碍问题的自适应投影算法

对一类具有双侧障碍的自由边界问题得到求它的数值解的自适应投影迭代算法。采用有限差分法将障碍问题离散为有限维双侧障碍问题,该问题等价于一个新的投影不动点问题,可得到双侧障碍问题的投影算法。并通过迭代数据自动调整投影算法的参数,加快其收敛速度。从而提出求解双侧障碍问题的自适应投影算法,给出算法过程和收敛性分析。理论分析和数值算例结果都表明该算法的有效性。     

考虑需求侧资源的含风电电力系统两阶段优化调度

风电场接入电力系统会造成系统运行成本增加、稳定性降低等问题,引入需求侧资源是解决该问题的重要手段之一。为了探究价格型与激励型需求响应的互补性,通过协调调用基于消费者心理学模型的价格型需求侧响应,以及激励型需求侧响应参与电力系统的优化调度中,对比分析了不同调用模式下的电力系统运行成本。针对传统粒子群算法易陷入局部最优解的缺点,提出一种自适应动态调节惯性权重的改进粒子群算法对模型求解。结果表明所提模型有效降低了系统运行成本,不同类型需求侧响应具有互补性。     

面向作业车间调度问题的遗传算法改进

为了获得遗传算法在作业车间调度问题上的最优化解,提高算法的迭代速度,研究了遗传算法的改进方法,以工件的加工时间最短为目标建立调度模型。在算法上提出了基于概率改进的具有自适应能力的交叉与变异算子,以求作业车间调度问题的最优解。在遗传算法上采用精英保留策略方法,并结合改进的自适应算子对问题进行求解。以基准案例LA01和FT06作为实验仿真对象,获得了相应的甘特图以及搜索过程曲线。仿真结果表明,与未改进的算法相比,该算法能够更加快速地获得最优解。改进后的算法在搜索上更加快速有效,在求解作业车间调度问题上具有一定的可行性,更加适合工业加工生产。     

基于海明距离改进的自适应遗传算法

针对自适应遗传算法在复杂问题应用中前期收敛速度缓慢和容易陷入局部最优解的不足，通过引进种群迁移及增强种群个体杂交之间的海明距离对自适应遗传算法进行了改进。改进的算法提高了种群精英基因，使其能很好地保留到下一代；较好地提高了自适应遗传算法的全局搜索能力，并增强了算法收敛速度。通过仿真实验验证了本文算法的有效性。     

基于自适应PSO算法的机组优化组合研究

提出了解决电力系统机组优化组合问题的一种新的方法——自适应粒子群优化算法(APSO)．PSO算法能解决许多遗传算法能解决的优化问题，但却只需要一些简单的参数就可稳定收敛得到高质量的解．将该算法应用到IEEE10机系统中，结果表明该算法用于求解机组优化组合是有效可行的。     

基于视频交通图像的潮汐车道自适应控制系统设计

针对城市道路双向交通需求不均衡的潮汐交通问题,设计了一种新的基于视频交通图像的潮汐车道自适应控制系统。通过局域网实现两台工控机间的独立运行,给出系统结构。介绍了控制逻辑,通过视频交通图像获取车辆平均速度、交通流量等数据。以计算交通饱和度,选择道路双向饱和度的加权切换动态控制方式对潮汐车道进行自适应控制。按照车道交通状态中两个方向的饱和度,把潮汐车道交通状态划分成五种情况,通过枚举法对模型进行求解。依据潮汐车道交通特征,把全部车道配置看作解空间,把双向车道交通饱和度与流率看作输入量,实现模型求解。实验结果表明,所设计系统综合延误低,车辆排队长度少,在中高密度交通流下也可有效实现控制。     

基于PR算法的自适应ACO算法求解旅行商问题

以著名的旅行商问题为研究对象,研究了基于线路重连(PR)算法的自适应蚁群算法(ACO)的应用。根据蚁群算法构解过程中的选择策略与信息素更新机制,提出了自适应的蚁群优化方法,即通过阈值接收算法(TA)中的阈值控制参数改变蚁群的确定选择与随机选择机会,从而控制了搜索方向。采用这种自适应的蚁群优化算法,避免蚁群算法陷入局部最优,使对解空间的更好地进行搜索。同时,在蚁群优化算法(ACO)中,嵌入路径重连算法(PR)来改进解的质量。实验结果证明了基于线路重连算法(PR)的自适应蚁群算法(ACO)在求解该问题时的有效性。     

Adaptive Co-evolution Model for Multi-agent System

It is important to harmonize effectively the behaviors of the agents in the multi-agent system (MAS) to complete the solution process. The co-evolution computing techniques, inspired by natural selection and genetics, are usually used to solve these problems. Based on learning and evolution mechanisms of the biological systems, an adaptive co-evolution model was proposed in this paper. Inner-population, inter-population, and community learning operators were presented. The adaptive co-evolution algorithm (ACEA) was designed in detail. Some simulation experiments were done to evaluate the performance of the ACEA. The results show that the ACEA is more effective and feasible than the genetic algorithm to solve the optimization problems.     

基于遗传算法的单件准时化生产计划

设计了一种遗传算法,用来解决以准时生产为目标的单件制造业生产计划问题,提出了基于投产日期的生产计划编码方法,这种编码方法直接把生产计划映射为一个有序的字符串,并针对这种编码设计了专门的交叉算子和变异算子,相似度检验增加了初始种群的多样性;小生境进化技术的运用有效地保持了群体的分布性;种群并行进化策略、变异率自适应调整、与启发式算法相结合等措施提高了遗传算法收敛到最优解的成功率。     

一种基于遗传优化的路由控制策略

遗传算法是通过模拟自然进化过程有效解决最优化问题的计算模型,在实际操作中得到广泛应用.但由于遗传算法的选择策略使每一代的优良个体大量的遗传到下一代,且适应度函数设定的差异,使最优个体很快充斥整个群体,缺少物种多样性,导致算法很快收敛于局部最优解,达不到全局优化.针对遗传算法存在的这一问题,结合禁忌搜索算法能够禁忌搜寻过的最优解而引入裂解、增加种群多样性的特性,提出了一种基于遗传优化的路由控制策略.该策略将遗传算法得到的最优解作为禁忌搜索的初始解,提出将染色体模版作为禁忌对象,并以此模版为基础建立邻域的方案.仿真实验表明,该策略能够有效的抑制遗传算法过早收敛的问题,减少了全局能量的消耗,从而延长了网络生命周期.     

一种自适应信任协商模型设计与分析

自动信任协商是为了解决开放网络环境中陌生实体很难建立信任关系的问题而提出的一种新安全解决方案.本文提出了一种新的信任协商模型,即一种自适应自动信任协商模型AATN,该模型可根据用户的信任度对访问控制策略进行调整,实现了对不同信任度的用户采用不同的访问控制策略,从而在保护隐私的同时提高了信任协商的效率.本文主要分析了自适应信任协商模型的模型框架、自适应协商策略和一致性校验器等关键技术,并通过实验证明了AATN模型能够有效兼顾信任协商中效率和安全两方面的需求.