距离加权反比插值法和克里金插值法的比较

首先给出了距离加权反比插值法和克里金插值法的原理，然后对这两种方法在理论和实际应用上进行了比较，其结论是克里金插值法的效果优于距离加权反比插值法的效果。     

基于克里金算法的土壤水分三维建模

作物所需的无机营养绝大多数存在于土壤水分中,精确描述土壤水分在作物根系层的分布情况有利于监测作物的生长环境。随着农业物联网技术在土壤水分监洲方面应用日趋成熟,土壤含水量在监测点处数据采集较为方便,但整个土壤体中水分分布状况无法直接获取。本文利用克里金插值算法,结合监测点所采集的土壤水分数据,建立土壤水分分布的三维可视化模型,并通过采集的土壤舍数量数据对谊模型进行了验证。实验结果表明,该模型可有效表征土壤体中水分的空间分布状况。     

基于正交设计的免疫克隆遗传算法

针对遗传算法存在"早熟"及局部搜索能力弱等问题,提出一种基于正交设计的免疫克隆遗传算法,将正交实验设计原理、免疫克隆理论以及标准遗传算法有效结合起来,增强算法的收敛速度和搜索精度.对算法进行了验证,表明该算法求解精度高出几个数量级,寻找到全局最优解的次数明显增加.     

基于遗传算法的产品创新设计

通过分析双层结构编码与二进制编码方式的优缺点,提出一种应用遗传算法进行产品创新设计的方法。在该方法中,双层结构编码方式主要用来对产品部件轮廓线进行造型设计,从而生成造型各异的部件;二进制编码方式主要用来进行部件组装,从而生成不同的组合方案。本文以风筝造型设计为例,阐述了该方法的应用方式与步骤,并以设计实例验证了方法的可行性与实用性。     

基于遗传算法的最优模糊控制器设计

模糊控制规则集是模糊控制系统的核心部分,对控制的快速性和精度有很大影响,采用改进的ＧＡ算法优化ＢＰ网络,加快了ＢＰ网络的收敛速度,也避免了ＢＰ网络易于陷于局部极小的麻烦。用优化的ＢＰ网络生成规则集,经过优化的ＢＰ网络隐层神经元数减少,即优化了规则库,从而提高系统的精度,降低了对ＢＰ网络系统误差的精度要求。     

基于正交设计的免疫克隆遗传算法

针对遗传算法存在早熟及局部搜索能力弱等问题,提出一种基于正交设计的免疫克隆遗传算法,将正交实验设计原理、免疫克隆理论以及标准遗传算法有效结合起来,增强算法的收敛速度和搜索精度。对算法进行了验证,表明该算法求解精度高出几个数量级,寻找到全局最优解的次数明显增加。     

遗传算法参数的正交设计

遗传算法参数的设置问题一直是遗传算法中的重要研究课题之一。本文探索用正文法对遗传算法中的参数进行设置。     

基于正交设计法的遗传算法

将正交设计法和遗传算法相结合，既保留了遗传算法本身的优点，又可以较好地解决遗传算法在达到全局最优解前收敛慢的问题。该算法能有效地求解函数优化问题。     

基于遗传BP网络的PID控制算法在无模拉拔温度控制中的应用

将遗传算法与BP神经网络结合,提出了一种利用遗传算法优化BP神经网络权值的智能PID控制算法,改善了系统的动态性能. 通过实验采集数据,拟合出无模拉拔感应加热温度控制系统的数学模型. 采用本文提出的方法进行了仿真实验,结果表明该算法具有较强的快速性和鲁棒性.     

基于遗传算法的神经网络学习算法研究

为了克服神经网络结构和参数设计的随机性及依赖于人的经验的缺点,提出了一种改进的基于遗传算法的BP神经网络学习算法。该算法结合了神经网络的快速并行性和遗传算法的全局搜索性,首先利用遗传算法对神经网络结构、初始连接权和阈值以及学习率和动量因子进行全面进化设计,在解空间中定位出较好的搜索空间,然后在进化神经网络中用训练样本再次寻优。通过利用该算法对XOR问题求解,证明了该算法的有效性,其收敛速度和精度均优于基本BP算法和附加动量项的BP算法。     

基于改进遗传算法的神经网络优化

针对在神经网络应用中,存在结构设计及权值训练算法的不足,提出一种新的基于混合编码方案的遗传算法.在算法中设计了用遗传算法全局优化神经网络拓扑结构和网络权值的新的编码方案,改进了适应度函数的设计和采用自适应的交叉和变异方法.试验结果表明本算法能有效地对神经网络的权值和结构同时优化,提高了训练效率.     

基于遗传算法的人工神经网络学习算法

为了克服和改进BP算法的不足，提出了一种基于遗传算法的神经网络学习算法，仿真结果表明，该算法具有无比的优越性，可避免BP算法易于陷入局部极小值，训练速度慢、误差函数必须可导、受网络结构的限制等缺陷。     

基于遗传算法的桥式网络可靠度和冗余度分配优化

针对桥式网络系统,提出子系统可靠度指标和冗余个数一体化并发设计问题,并建立优化模型,将Matlab遗传算法应用于复杂系统可靠度和冗余数的最优分配这类非线性连续变量和离散变量混合问题的求解,为实际问题中的网络系统提供设计方法,最后通过算例结果验证该模型的有效性和实用性.     

基于信息论和免疫遗传算法学习贝叶斯网络结构

提出一种新的实现贝叶斯网络(BN)结构学习的方法,即由信息论和免疫遗传算法相结合构造最优贝叶斯网络结构.首先,通过信息论迅速搜索较为可能的网络空间,构造一个候选网络,然后用免疫遗传算法进行网络精简,得到一个最优的网络结构.不仅可降低计算复杂度,提高贝叶斯网络结构学习的效率,而且避免了传统启发式算法易陷入局部最优解的问题.实例计算证明了其可行性.     

基于实码遗传算法的汽车变速箱可靠性优化设计

对渐开线圆柱齿轮可靠性设计做了深入的理论分析,建立了汽车变速箱可靠性优化设计模型,并使用实码遗传算法求解大规模复杂优化设计问题,以便获得全局最优解。对BC174B汽车变速箱的优化结果表明该方法是行之有效的。     

基于约束粒子群优化的克里金插值算法

针对常规克里金插值算法中的不足之处,通过改变粒子群算法中粒子多样性,结合地质变量的特征和数据特征,提出了一种改进的插值方法——基于约束粒子群优化的克里金插值算法,在粒子群优化过程中,通过高斯变异、样本点权重系数设定、搜索范围约束等方式提高了插值精度。实验结果表明:基于约束粒子群优化的克里金插值算法可以获得高精度的插值效果,优于常规的克里金插值。     

Optimal design of broadband loaded wire antennas based on genetic algorithm

0　ＩｎｔｒｏｄｕｃｔｉｏｎＮｏｗａｄａｙｓ,ｗｉｔｈｔｈｅｈｏｐｐｉｎｇｆｒｅｑｕｅｎｃｙａｎｄｓｐｒｅａｄｓｐｅｃｔｒｕｍｔｅｃｈｎｏｌｏｇｉｅｓｂｅｉｎｇｗｉｄｅｌｙａｐｐｌｉｅｄｉｎｍｏｄｅｒｎｃｏｍｍｕｎｉｃａｔｉｏｎ ,ｔｈｅｎａｒｒｏｗｂａｎｄａｎｔｅｎｎａｈａｓｎｏｔｂｅｅｎａｂｌｅｔｏｍｅｅｔｒｅｑｕｉｒｅｍｅｎｔｓ,ｅｓｐｅｃｉａｌｌｙｗｈｅｎｗｏｒｋｉｎｇｉｎｔｈｅｆｕｎｃｔｉｏｎｏｆｓｐｒｅａｄｓｐｅｃｔｒｕｍ ,ｉｎｗｈｉｃｈｓｉｇｎａｌｓｒｅｑｕｉｒｅｔｈｅａｎｔｅｎｎａｔ…     

用混合遗传算法实现神经网络快速训练

快速神经网络训练算法的研究是人们所关注的问题之一。经过分析与研究 ,遗传算法是一种全局并行随机搜索优化算法 ,具有很强的全局搜索能力 ,而 BP算法的局部搜索能力较强。文章将两者结合起来 ,形成一种混合遗传算法 ,并就混合遗传算法的原理及其在实现时所涉及到的许多策略问题进行了分析比较 ,仿真结果表明它具有收敛速度快和不会陷入局部极小的特点。