遗传算法在最小二乘法求解中的应用

遗传算法进行全空间并行搜索,并将搜索重点集中于性能高的部分,从而能提高效率且不易陷入局部极小,具有固有的并行性,通过对种群的遗传处理可处理大量的模式,并且容易并行实现。重点研究遗传算法以及混合遗传算法在传统数学中的应用:最小二乘法问题。通过大量的实验研究,证明遗传算法在传统数学的研究问题中有很高的应用价值。     

基于遗传算法的分数阶灰色预测模型及其应用

近年来由于分数阶灰色预测模型在灰色系统中的高效性和灵活性,引起了学者们的研究兴趣.但是,分数阶累加的计算复杂,给理论分析和应用带来了困难.提出了一种基于遗传算法的优化的分数阶灰色预测模型,对少样本进行预测,根据河南省2004—2017年能源消费的数据建立模型,利用平均绝对百分比误差和均方根误差比较预测模型的性能.结果显...     

遗传算法在求解超定方程组中的应用

只有在极特殊的情况下超定方程组才有精确解,一般情况下都是求超定方程组在某种意义下的近似解.使用两种非数值算法———遗传算法和模拟退火算法求得超定方程组的最小二乘解,对它们的原理、参数设置进行了比较分析,数值实验的结果显示这两种方法是非常有效的.     

一种基于遗传算法的新时延估计方法

提出了一种新的时延估计方法,通过采用FIR滤波器模型并结合遗传算法解决了代价函数复杂计算量下的高效全局优化．算法利用最小二乘法准则,推导得到优化目标函数,并将时延,滤波器系数列入到参数估计模型中,继而将目标函数作为适应度函数,将时延,滤波器系数作为决策变量,应用遗传算法进行全局优化．通过仿真实验表明,本文不仅在滤波器长度比较短的情况下获得最优的时延估计,而且大大地减少了计算量,提高了稳健性．     

一种快速收敛的遗传算法及其应用

为了解决遗传算法的收敛速度和全局收敛性之间的矛盾,提出了一种快速收敛的遗传算法,即“适应度缩放”加“有偏外来移民”的遗传算法。将该方法应用于柔性结构振动主动控制中的作动器／传感器位置及反馈增益的优化,其优化效果明显优于传统的优化算法。数字仿真结果表明,对于复杂非线性约束优化问题,该遗传算法具有较好的快速收敛性和全局收敛性,由优化了位置的作动器／传感器和优化增益的控制系统具有良好的减振效果。     

一种基于遗传算法的供应链优化设计研究

供应链优化设计问题由于其自身的复杂性而成为一个极具挑战性的研究课题。文章把遗传算法应用于研究供应链优化设计,构建一个供应链原型测试系统,并对数控机床制造供应链系统进行了实例分析。     

可识别联立方程组模型的一种参数估计方法

在可识别的条件下构造出一种线性联立方程组模型中参数估计方法.该方法具有相合性和渐近正态性,并且比二步最小二乘法计算量小.数据模拟结果表明,我们所提方法在某些方面好于间接最小二乘法,其估计精度接近于二步最小二乘法和三步最小二乘法.     

一种时序数据多项式拟合加速方法

考虑到时序数据自身特点,特别是针对周期采样的时序数据,本文提出一种多项式拟合加速方法,讨论了平均分段和非平均分段两种情况下时序数据多项式拟合方法,通过重复利用部分矩阵的中间计算结果,大幅提高了多项式拟合的计算速度.实验结果表明,对于周期采样数据,该方法在平均分段和非平均分段时最多可分别获得约28倍和17倍计算加速.      

信赖域方法的收敛性质及其在非线性最小二乘问题中的应用

本文在Fletcher和Shultz,Schnabel & Byrd等工作的基础上,考察一类信赖域方法的收敛性质,并将其应用于分析处理零残量非线性最小二乘问题算法的全局收敛性.1 算法描述及其对稳定点的收敛性考虑求解无约束优化问题minf(x),x∈R~n的信赖域算法;其第k次迭代为(a) 确定f(x)在其极小点x~*的估计x_k的近似qk(x)=f(x_k)+ψ_k(s),ψ_k(s)=g_k~Ts+ 1/2s~TB_ks.其中gk满足lim‖gk-?f(x_k)‖=0;     

多κ类广义压缩最小二乘估计

提出线性模型中回归系数的多k类广义压缩最小二乘估计的概念．在均方误差的意义下，给出了该估计一致优于最小二乘估计的充分条件．     

多产品三阶段供应链选址分配问题及其遗传算法

 建立了一种基于最小物流费用的多产品三阶段供应链选址分配模型,该模型综合考虑了原材料和产品的运输费、工厂的固定建设费及原材料采购费和产品加工费、销售中心的固定建设费和库存保管费等。在多产品三阶段供应链体系中,在供应商-工厂阶段,一个工厂不仅可以从不同的供应商处采购不同产品的原材料,而且同一种产品的原材料也可以从不同的供应商处采购;在工厂-销售中心和销售中心-顾客阶段,产品需求者虽然可以从不同供应者处采购不同产品,但同一种产品却只能从一个供应者处进货。根据模型的这些特点,本文结合选址问题的随机顺序编码和运输问题的优先权编码技术,设计了一种新的染色体编码方法,从而借助遗传算法实现了多产品三阶段供应链选址分配问题的求解。数值仿真结果表明,本文给出的染色体编码方案是恰当的,设计的遗传算法具有较高的搜索效率,能够快速稳定地求解多产品三阶段供应链选址分配问题。     

遗传算法在装备供应优化问题中的应用

在装备供应中,由于装备品种多、配套复杂,存储装备的仓库和需要装备的单位地域分布不同,担负的任务不同,对装备的品种、数量、时限要求不一样,如何使装备供应科学化、合理化,是一个涉及多变量、多目标的复杂系统问题.在综合考虑装备供应各项因素的基础上,建立了装备供应优化的数学模型,提出了基于遗传算法的解决方案,解决了采用传统优化...     

一种改进的BP算法

为了克服BP算法易陷入局部极小、收敛速度慢等缺点,笔者利用非线性最小二乘法对其进行了改进.结果表明,采用改进后的BP算法来训练神经网络,能在一定程度上提高神经网络的收敛速度,具有学习速度快、识别能力强等优点.     

房地产供应链合作伙伴的模糊综合评价

运用模糊隶属度理论和层次分析方法,提出了一种基于模糊数学的房地产供应链合作伙伴综合评价模型,对评价指标进行量化处理.利用Matlab数理统计软件对选择工程总承包商的典型案例进行了实证分析和演示.该模型不仅可以对单个房地产供应链合作伙伴进行综合评价和选择,也可以用于对多个房地产供应链合作伙伴竞争优势的综合排序和分析.     

基于AHP-BP算法的供应链合作伙伴选择建模及其应用

将AHP法与改进的BP神经网络相结合建立了供应链合作伙伴选择模型,并使用L-M算法对神经网络权值进行训练,实现了对供应商的多标准评价;所用的评价指标体系选取全面,适用于多种类型的供应链合作伙伴选择。用实例对模型进行了验证,并取得了较好的评价效果。该模型应用简单,且减少了供应链合作伙伴选择过程中人为因素的影响,具有一定的实用价值。     

分组量子遗传算法及其应用

量子遗传算法是一种高效的并行算法，但它易陷入局部极值。提出一种分组量子遗传算法，通过分层、分组等方法，保证了染色体的多样性。典型函数测试结果表明，分组量子遗传算法具有全局最优性，其性能优于其它几种遗传算法和QGA。     

蜉蝣算法在供应链库存优化中的应用

针对蜉蝣算法（Mayfly algorithm）全局搜索能力差,搜索精度不高和自适应能力弱等问题,提出一种多策略融合的蜉蝣算法。首先,提出吸引力增强因子,同时引入自适应动态调节的重力系数,来平衡搜索和开发能力。其次,提出中值位置作为群体位置的一部分,加强种群交流,避免陷入到局部最优;最后,引入正弦余弦策略,增强全局搜索能力,提高收敛精度并增强稳定性。8种典型功能函数的仿真结果证明改进后的算法收敛能力提高、收敛精度加强。将改进后的蜉蝣算法应用于工程中,在供应链库存系统中调节PID参数,与其他算法相比,成本下降9.5%,证明该算法在工程上具有适用性。     

供应链关键绩效评价指标及优化

分析了供应链产品出产 (或投产 )循环期这一关键绩效评价指标 ,运用生产平准化的思想和循环排序的方法 ,建立了供应链产品出产 (或投产 )循环期数学模型 .该问题为 NP难题 .通过对该模型的研究 ,提出了优化这一关键绩效指标的启发式算法 .     

非线性时间序列ARMA模型的优化估计法

提供了一种ARMA模型参数的优化估计法—阻尼最小二乘法,它结合了Newton法和最速下降法的优点,既保证了迭代计算的收敛性,又加快了收敛的速度.当初值的精度较差时,更宜采用阻尼最小二乘法.而且本文给出实例的MATLAB程序,并利用t统计量检验出:阻尼最小二乘法要比最小二乘法的参数估计值更为显著,拟合模型更优.     

单亲遗传算法及其应用研究

针对传统遗传算法（ＴＧＡ）在求解组合优化问题方面存在的不足,提出一种单亲遗传算法（ＰＧＡ）。ＰＧＡ不使用ＴＧＡ常用的交叉算子,而是通过基因换位算子隐含交叉算子的功能来实现进化操作,简化了遗传操作过程,并且不要求初始群体具有广泛多样性,不存在“早熟收敛”问题,仿真结果表明这种算法是有效的。