基于遗传程序设计的非线性系统参数辨识

遗传程序设计(GP)是一种自适应的与问题无关的进化算法,它克服了遗传算法的容易陷入局部极值的缺陷。本文讨论使用遗传程序设计对非线性系统进行参数辨识的算法,实现及应用,实验证明:该方法具有收敛速度和精度的明显优势。     

基于GP的税收能力智能估测的研究与应用

目的将基于遗传程序设计(GP)的数据建模方法应用于税收能力智能估测系统建模中。方法利用遗传程序设计来实现复杂函数的自动建模。结果改变了目前税收能力估测中采用的使用拟合粗糙、估测结果准确度差的线性模型进行曲线拟合和趋势预测的估测方法,通过优化初始种群的方法提高了GP算法的收敛率,实现了复杂函数的自动建模,并将该方法应用到税收能力智能估测原型系统(TCES)的建模中。结论采用GP得到的数学模型比传统方法使用的数学模型拟合精度更高,估测误差更小,更适于反映地区税收能力的实际情况。     

基于改进的GP实现组合逻辑电路的设计研究

由于遗传程序设计是一种随机性很强的全局搜索优化算法,是否能够收敛到全局最优解与初始群体的质量、参数选取、遗传操作及适应值的测试方式等有很大关系。因此,有必要对遗传程序设计进行改进,从而提高其收敛性能。本文主要介绍了遗传程序设计的改进策略以及基于改进的GP实现组合电路的进化设计思想,并且进行了算法性能的改进实验,得到了令人满意的结果。     

自适应基因表达式程序设计研究及应用

针对基因表达式程序设计(GEP)是基于基因型和表现型的新型遗传算法,它综合了遗传算法(GA)和遗传程序设计(GP)的优点,但在解决具体问题时有收敛速度较慢、易陷入局部最优和拟合度不高等缺陷,提出一种自适应基因表达式程序设计算法(AGEP),它将差分突变搜索、混沌重组和变异操作、灾变算子运用于GEP中;最后将其应用于实例中,并将其所得结果与传统的基因表达式程序设计结果进行比较。研究结果表明:该算法不仅提高了算法的精度和收敛速度,而且有效地克服了不成熟收敛,理论证明该算法全局收敛;改进的基因表达式程序设计性能良好。     

遗传程序设计及其在符号回归问题中的应用

介绍了遗传程序设计的基本原理,以及遗传程序设计的算法设计及其实现的几个关键问题。将遗传程序设计应用于符号回归问题,获得满意的结果。同时也表明其在复杂问题的自动求解上比遗传算法具有更强的复杂结构表达能力和解题能力。     

基于遗传程序设计的回转支承寿命状态识别

针对回转支承低转速、故障信号微弱的特点,提出了一种遗传程序(GP)设计的方法对其寿命状态进行准确的识别。为保证回转支承运转信息的完整性,该方法从不同领域提取了多个特征指标组成特征向量矩阵。以模型的性能和复杂度为衡量指标,从遗传程序设计建立的模型中选择出最佳模型,再将测试样本输入模型实现对回转支承寿命状态的识别。利用自主研发的回转支承综合性能实验台对某型号的回转支承进行了全寿命疲劳实验,实验结果表明,所提出的方法能够准确地识别出回转支承的寿命状态,为实时维修奠定了基础。     

基于遗传程序设计的公式发现实践研究

对遗传程序设计进行分析,并就遗传程序设计的一个重要应用“公式发现”展开研究,同时给出了实现算法的关键技术描述和应用实例的最后运行结果,从实践的角度探讨了遗传程序设计应用于公式发现的可行性。     

基于GP算法的多模态门电路设计

多模态电路是与传统基于开关切换或者可重构实现方式的多功能电路不同的一种新颖的多功能电路,它在电路结构不发生改变的情况下,由电路某种参数(温度、电源电压、控制信号)的变化实现电路的多种功能.作为一种新的电路类型,多模态电路设计还没有标准的设计准则,针对现有的设计方法存在元件冗余,电路结构不合理的缺点,提出了用GP(遗传程序设计)算法来设计多模态门电路,并实现了一个控制信号控制的与,异或门,电路的分析结果说明了该设计方法的可行性.     

基于遗传规划方法预测并条机条子质量

基于遗传规划(GP)的搜索寻优技术,给出了一种并条机条子质量的预测方法.首先概述了并条机工艺参数配置与条子质量的关系,然后使用GP根据历史样本数据自动生成条干CV值预测模型,包括模型的函数形式以及模型参数,最后对实际数据进行预测.结果表明,GP模型可以显著提高预测精度.     

遗传规划在离散动态系统建模中的应用

在系统结构信息缺乏的情况下，要确立离散动态系统的动态方程组非常困难。利用遗传规划(GP)融合系统结构估计与参数估计的特点，阐明GP在离散动态系统建模中的具体运用，并提出一种利用误差估计进行模型评价的方法。用Lotka-Volterra公式演化的数据对该建模方法进行了实证研究，结果表明遗传规划在离散动态系统建模中是有效的。     

基因表达式程序设计方法在采煤工作面瓦斯涌出量预测中的应用

基因表达式程序设计是一种基于基因组和表现型组的新型遗传算法，该算法在运行时具有很高的效率，实验表明在求解很多问题的时候比遗传规划优越两个数量级以上．预测采煤工作面瓦斯涌出量是进行通风设计和制定矿井安全技术措施的重要依据，而影响采煤工作面瓦斯涌出量的各因素之间关系不明确．基因表达式程序设计比较适合于求解这一类复杂的非线性问题．本采用基因表达式程序设计，建立了采煤工作面瓦斯涌出量的预测模型．结果表明，预测结果比遗传规划得到的结果具有更高的预测精度和很好的稳定性．章最后指出了该方法具有广泛的应用前景．     

基于GP+BP的信用评估模型研究

文章通过结合遗传规划和神经网络,提出一种2阶段的混合信用评估模型,以弥补单一算法的不足,采用遗传规划学习提取IF-THEN规则,从而为决策者提供简洁的规则,同时采用BP神经网络以解决IF-THEN规则匹配失败的问题。通过UCI数据集上的仿真实验,验证了该模型的可行性,通过与相关模型比较,可得出其分类准确率高于一般的信用评估模型。     

利用基于精英策略的粒子群算法求解多目标规划问题

本文提出了一种求解多目标规划问题的精英粒子群算法.该算法利用精英策略存储每一代Pareto最优解,同时提出了一种最优粒子的选取策略用以克服粒子陷入局部最优的缺点.最后,通过数值实验验证算法的可行性和有效性.     

遗传算法在多目标规划中的应用

利用遗传算法对项目群优选数学模型的求解进行了新的探索，并在单目标遗传算法程序的基础上，拓宽为多目标遗传算法。计算结果表明遗传算法是求解工程优化问题的一种有效方法。     

进化规划方法在并行多机调度问题中的应用

并行多机调度问题是一类重要的车间调度问题,但迄今为止,在解决工件和机器数较多的大规模并行多机调度问题还存在着许多困难。进化规划方法与遗传算法一样是一种重要的进化计算方法,但与遗传算法相比,进化规划算法的应用还刚刚开始,特别是在调度领域的应用还很少见文献报道,第一次将进化规划方法应用到并行多机调度问题中,并在问题的描述、可行解的表示、变异方法、提高进化规划方法的局部寻优能力等方面作了研究。不同规模的计算实例表明了本文提出的进化规划算法是有效的,能用于解决较大规模并行多机调度问题,且解的质量优于启发式算法和模拟退火算法。     

多目标线性规划两种解法的比较

目标规划和模糊规划是求解多目标线性规划问题的两种方法,其基本思想都是将多目标问题转化为单目标规划.本文阐明了两者的相似处以及如何将两者互相转换,并且将它们结合起来,提出了新的模型.     

基于遗传算法的凸多面体间碰撞检测算法研究

将两凸物体间碰撞检测问题归结为一个带约束条件的非线性规划问题．对该问题进行适当的处理后．利用遗传算法对该问题进行求解．实例表明,遗传算法对该问题的求解比用传统的方法求解具有更高的计算效率和更快的计算速度．     

基于MATLAB的遗传算法程序设计及TSP问题求解

首先分析了用Matlab语言设计遗传算法程序的优越性,接着以遗传算法求解TSP问题为例,深入讨论了各个遗传算子的程序实现,并通过分析实验数据,得到各个遗传算子在搜索寻优过程中所起的作用,最后指出了用Matlab语言编码同用其它高级程序语言编程的差异所在。     

基于MATAB的遗传算法程序设计及TSP问题求解

首先分析了用Matlab语言设计遗传算法程序的优越性,接着以遗传算法求解TSP问题为例,深入讨论了各个遗传算子的程序实现,并通过分析实验数据,得到各个遗传算子在搜索寻优过程中所起的作用,最后指出了用Matlab语言编程同用其它高级程序语言编程的差异所在．