煤与瓦斯突出灾害的预测——基于遗传和BP算法

分析了煤与瓦斯突出的非线性动力系统行性和因素指标，利用神经网络的BP算法解决突出的主要性能指标和突出灾害等级的非线性网络连接，特别是利用遗算法的全局优化能力，对神经网络的连接权值、拓扑结构等进行进化操作，设计出具有较好性能参数和全局搜索能力的神经网络模型，同时神经网络也可用地遗传算法的进化训练，遗传算法和神经网络的融合优化了煤与瓦斯突出灾害预测模型，并且该方法对其它灾害预测也有借鉴意义。     

基于量子免疫遗传算法的煤与瓦斯突出神经网络预测

为了用BP神经网络更准确地预测煤与瓦斯突出危险性,将免疫算法中基于繁殖概率的抗体多样性保持机制引入量子遗传算法(QGA),提出量子免疫遗传算法(QIGA)优化神经网络模型QIGA-BP。模型采用QIGA分别对神经网络的隐含层和连接权值进行全局寻优,以此提高BP网络的搜索效率和泛化能力。以平均影响值分析法筛选的煤与瓦斯突出显著变量作为BP网络的最佳输入参数,分别用QIGA-BP,QGA-BP,免疫遗传优化BP模型和传统BP模型对突出煤层工作面的实例数据进行预测。结果表明,QIGA在BP网络优化过程中具有更好的优化性能,用QIGA-BP模型预测工作面突出危险性具有更好的预测能力和更高的预测准确率。     

神经网络理论在延时煤与瓦斯突出预警中的应用

为提高煤与瓦斯突出预警的准确性,利用人工神经网络特有的非线性适应性信息处理能力,选择瓦斯涌出峰值、上升梯度、下降梯度、超限时间四个延时突出预警指标,实现煤与瓦斯延时突出的预警.瓦斯样本学习和突出预警结果与实际情况对比表明,前馈神经网络预警模型准确率很高,可以克服传统预警方法存在的瓦斯突出漏报和误报的缺陷.     

基于改进差分进化算法的RBF神经网络优化方法

提出了一种新的RBF神经网络训练方法——改进差分进化算法,并用改进差分进化优化的神经网络对非线性系统进行逼近.采用改进差分进化算法对RBF神经网络的中心值、宽度和权值进行了优化.仿真实验结果表明,改进的差分进化算法具有比遗传算法更强的非线性系统逼近能力.     

基于神经网络辨识的移动机器人航向误差校准方法

分析了E-Core RD1100干涉型光纤陀螺的误差产生机理, 提出利用RBF神经网络和遗传算法实现光纤陀螺漂移误差模型的辨识. 通过实验获得进化神经网络的训练样本, 在RBF神经网络的训练中, 提出了基于Elitist竞争机制的遗传进化训练方法. RBF神经网络具有很强的局部逼近能力, 而遗传算法具有优良的全局搜索与优化性能, 从而能够有效地对陀螺误差的非线性与时变特征进行建模与辨识. 实验结果表明: 该方法大幅度减少了光纤陀螺的误差, 从而提高了移动机器人导航定位的精度.     

煤与瓦斯突出预测灰色理论-神经网络方法

将灰色理论-神经网络方法应用于煤与瓦斯突出预测中,利用灰色系统理论的灰色关联法确定了控制矿井煤与瓦斯突出的主控因素,并对煤与瓦斯突出主控因素进行筛选. 建立了煤与瓦斯突出危险性预测人工神经网络的数学模型和系统结构. 在平顶山八矿突出区进行了煤与瓦斯突出危险性预测应用,预测效果表明:利用灰色系统理论-神经网络方法对预测矿井煤与瓦斯突出是可行的.     

Matlab在工作面煤与瓦斯突出预测中的应用

考虑到煤与瓦斯突出发生的内在机理的复杂性,突出影响因素与突出事件之间的非线性,阐述了人工神经网络的原理和算法,在分析了煤与瓦斯突出的主要影响因素的基础上,依据功能强大的matlab神经网络工具箱,采用BP人工神经网络模型,通过训练得到了影响突出因素与突出事件之间的关系,为突出非线性动力机制及预测提供了新的途径.实例表明,Matlab神经网络工具箱用于煤与瓦斯突出预测是可行的.     

股票的GA-RBF预测模型

针对股票市场中价格序列是一个复杂的非线性动态系统,同时难以实现准确预测的问题,采用RBF神经网络方法,利用其较强的非线性处理能力进行股票价格预测研究,同时利用具有全局搜索能力的遗传算法对RBF神经网络进行优化研究,得到性能更加优越的神经网络模型.分别使用传统RBF神经网络和遗传算法优化后的RBF神经网络进行股票价格预测,实验结果表明:利用遗传算法优化后的RBF神经网络在网络的结构和逼近性能上都有明显改进和提高,能够有效地反映股票价格的波动特性,提高股价预测的准确性.该研究成果对股票市场规律的研究具有一定的参考价值和指导意义.     

粗糙集-改进神经网络落煤瓦斯涌出量预测

为对井下落煤瓦斯涌出量进行预测,采用粗糙集与改进神经网络相结合的方法,在样本数据的筛选上吸取粗糙集数据约简的优点,使选择的数据样本简洁且更具代表性;充分利用BP神经网络的非线性拟合能力,将遗传算法与其相结合,避免BP网络陷入局部最优.利用编写的程序确定隐含层节点数,相比以往经验公式取值更具优势.最后在任家庄煤矿成功应用.研究结果表明:利用粗糙集与改进神经网络相结合模型进行预测,结果准确可靠,克服了以往BP模型的不足.该模型对井下落煤瓦斯涌出量预测具有一定参考价值.     

基于改进遗传算法的前向神经网络

针对遗传算法的主要算子———交叉算子 ,设计了新的交叉算子 ,使个体尽可能地分散在整个解空间 .在具体交叉操作中 ,产生随机个体参与交叉以更好地搜索新的解空间 .并提出了组合变异策略 ,假如对变异后个体隔代保护策略 ,构造了一个有效的改进遗传算法 .利用该改进遗传算法 ,构造了前向进化神经网络 .它综合了改进遗传算法优良的全局寻优性能和前向神经网络的非线性映射能力 .     

综合算法及其特点

给出了综合算法的定义并讨论了它与球形算法及不动点算法相比的优点．     

对称密码体制及其算法研究

密码算法是实现网络信息安全的基础,本文对现代密钥密码算法及体系进行了研究,介绍了对称密码体制与非对称密码体制,重点分析了对称密码体制中分组密码与序列密码算法的原理、性质,比较了分组密码与序列密码的不同应用特性。     

Dynamic Dominating Set and Turbo-Charging Greedy Heuristics

The main purpose of this paper is to exposit two very different, but very general, motivational schemes in the art of parameterization and a concrete example connecting them. We introduce a dynamic version of the DOMINATING SET problem and prove that it is fixed-parameter tractable（FPT）. The problem is motivated by settings where problem instances evolve. It also arises in the quest to improve a natural greedy heuristic for the DOMINATING SET problem.     

改进的混合遗传算法的组卷系统模型及算法

在基本遗传算法基础之上,针对试题库组卷系统对算法进行改进,设计了一种运用于组卷系统的数学模型和混合遗传算法,从而提高组卷质量和系统的通用性。     

Evolutionary graph drawing algorithms

In this paper, graph drawing algorithms based on genetic algorithms are designed for general undirected graphs and directed graphs. As being shown, graph drawing algorithms designed by genetic algorithms have the following advantages: the frames of the algorithms are unified, the method is simple, different algorithms may be attained by designing different objective functions, therefore enhance the reuse of the algorithms. Also, aesthetics or constrains may be added to satisfy different requirements. Foundation item: Supported by the National Natural Science Foundation of China(60133010,60073043,70071042) Biography: Huang Jing-wei ( 1956-), male, Professor, research direction: the design and analysis of algorithms and evolutionary computation.     

Ad hoc传感网络的体系结构及其相关问题

Ad hoc传感网络是一种特殊形式的传感网络。首先 ,简单介绍了 Ad hoc传感网络的概念、特点、目标和种类 ;然后 ,讨论了 Ad hoc传感网络的体系结构 ,接着对 Ad hoc传感网络的相关问题进行了详细的阐述和分析 ;最后 ,介绍了一些当前的研究现状     

多阶段聚类—朴素贝叶斯的异常检测

针对异常检测手段用来标定数据集中明显的不同于其他数据的对象,提出多阶段聚类旨在解决噪声数据的引入和缺失属性样本的处理,并改变传统的贝叶斯分类的被动学习为主动学习的方式来构造性能优越的分类器。在数据预处理阶段,利用密度聚类滤去噪声点,密度聚类的输出作为下一阶段的K-means聚类的输入,提高了K-means的分类准确率。K-means负责对缺失属性的样本进行处理。在分类阶段,利用adaboost学习算法优化朴素贝叶斯分类器,使其获得较好的分类效果。     

图的极大匹配并行算法

对一类无向图的边极大匹配问题,在ＥＲＥＷＰＲＡＭ并行计算模型上,给出Ｏ（ｌｏｇｎ）时间、使用Ｏ（（ｎ＋ｍ）／ｌｏｇｎ）处理器的最佳、高速并行算法     

求解线性规划的一种Mehrotra型预估-矫正内点算法

提出了一种求解线性规划问题的Mehrotra型预估．矫正内点算法，并证明了算法的代数复杂度。     

遗传算法与模拟退火算法混合策略模糊控制的研究

提出基于遗传算法与模拟退火算法混合策略的模糊控制,使控制规则得到优化,从而改善了控制性能．仿真实例表明这种方法是可行的．