多维非线性时间序列的投影寻踪学习逼近

建立了多维非线性时间序列投影踪学习网络结构及算法,证明了投影寻踪学习网络可以以任意精度逼近多维非线性时间序列。解决了基于投影寻学习的多维非线性时间序列的建模和预测问题,实际应用例子表明该算法可行。     

投影寻踪方法在工程环境影响评价中的应用

简要介绍投影寻踪方法 ,并将其用于水电工程的环境影响评价 .应用表明 ,新的评价方法能利用一个综合反映多因素之间复杂关系的特征指标给出相应的评价结果 ,且根据计算结果还可以分析工程建设中严重影响环境质量的主要因素 ,为工程环境影响评价提供了一种计算过程简单、直观的新方法 .     

基于遗传算法的投影寻踪模型对小花碱茅最佳收获期的判定

针对小花碱茅实际生产中最佳收获期难于客观确定的问题,提出基于加速遗传算法的投影寻踪模型用于解决小花碱茅（Puccine Uiatenuiflora）最佳收获期的判定问题,该模型通过优化指标投影方向,将多维数据指标（样本评价指标）转换到低维子空间,并根据投影函数值的大小评价出各样本的优劣,最大限度地避免了权重矩阵取值的人为干扰。结果表明：初花期收获各指标投影函数值最大,这个时期收获的牧草具有相对较高的营养价值和产量,并具有相对较低的粗纤维含量,因而这个时期收获综合评价值最高。图1,表2,参18。     

解不确定型决策问题的投影寻踪方法

不确定型决策问题在系统工程理论与实践中具有重要意义 ,其益损值矩阵反映了该问题的复杂性和不确定性 ,同时也反映了决策者所面临的收益机会和损失机会的风险信息 ,目前常用方法利用益损值矩阵的信息都不充分 .指出求解该问题的实质 ,就是如何把益损值矩阵转换为压缩向量 ,该压缩向量的最大分量所对应的方案就是所求的最优方案 .为全面处理这种机会风险 ,提出了基于遗传算法的投影寻踪方法的新途径 .研究结果表明 ,根据益损值矩阵所反映的收益机会的风险与损失机会的风险的对比情况 ,投影寻踪方法既可积极地也可稳妥地选取最优方案 ,利用益损值矩阵的信息比常用方法充分 ,可根据决策者所面临的机会风险能进能退.     

基于加速遗传算法的投影寻踪聚类评价模型研究与应用

针对农业生产力综合评价这类高维指标体系决策问题,采用降维技术:投影寻踪分类模型,利用基于实数编码的加速遗传算法优化其投影方向,将多维数据指标(样本评价指标)转换到低维子空间,根据投影函数值的大小评价出样本的优劣,从而做出决策。该模型最大限度地避免了传统评判中权重取值的人为干扰,评价结果更为准确客观,为农业生产力综合评价决策及其它评判决策问题提供一条新的方法与思路。     

评估洪水灾情等级的投影寻踪模型

为检验所订洪水灾情等级标准的合理性 ,解决各单项指标灾情等级评估结果的不相容问题 ,提高灾情等级模型的灾级分辨率 ,提出了一种新的洪水灾情等级模型——投影寻踪 ( PP)模型 ,它的灾级是连续的实数值 .为减少 PP建模的计算量 ,给出了一套建模方案 ,构造了新的投影指标函数 ,并统一用实码加速遗传算法来优化投影指标函数和模型参数 .实例的计算结果表明 ,该方案是有效的和通用的 ,具有广泛的应用前景.     

农业生产力综合评价的投影寻踪模型

提出了用投影寻踪模型进行农业生产力综合评价的新思路（PPEPC）,利用PPEPC模型可把农业生产力多维评价指标样本集综合成一维投影指标值,根据该投影指标值的大小谅可对该样本集进行统一评价。采用实码加速遗传传算法优化PPEPC模型参数,克服了常规投影寻踪方法计算量大、编程实现困难的缺点,为投影寻踪技术在各种综合评价中的广泛应用提供了新工具。     

投影寻踪模型在水资源工程方案优选中的应用

提出了水资源工程方案优选的投影寻踪(PP)模型的新方法。利用PP模型可把方案多维评价指标值综合成一维投影值,投影值越大表示该方案优选,根据投影值的大小就可对方案集进行优选。采用实码加速遗传算法进行PP建模,简化了投影寻踪技术的实现过程,克服了目前投影寻踪技术计算复杂、编程实现困难的缺点,为投影寻踪技术在水资源系统工程中的广泛应用提供了新的有力工具。应用实例的结果说明,直接由样本数据驱动的PP模型用于水资源工程方案优选简便可行,PP模型的投影值比较分散、易于决策,适用性和可操作性强,不需确定评价指标的权重,优选结果较为客观。     

基于模糊投影寻踪聚类的洪灾评估模型

针对洪水灾害样本集的复杂性、随机性以及差异性,本文将模糊聚类迭代理论与投影寻踪技术进行互补融合,构建了模糊投影寻踪聚类模型.该模型采用投影值标准差和投影值欧氏距离平方和来构造投影指标函数,避免了传统投影寻踪模型由于经验性选取密度窗宽导致过于主观的问题;将高维数据低维化后进行模糊聚类运算,再通过对最优投影方向的寻优进行投影寻踪聚类运算,降低了模糊聚类迭代的运算量,实现了两种模型的双重迭代聚类.误差分析及聚类有效性评价表明,互补融合后模糊聚类与投影寻踪聚类的双重迭代聚类使得聚类精度和效果也得到了较大提高;此外,除优化算法初始化参数外,模型无需预设其它参数,也不依赖于随机训练样本,可客观依据历史样本集内在规律来进行洪灾聚类评估.实例研究和方法比较表明,提出的模型计算简洁,且能有效处理洪灾评估中的随机、模糊等主客观不确定性,能够为洪灾风险管理提供科学的决策支撑.     

基于NCAGA-投影寻踪混合优化城市客运量预测

为了提高参数投影寻踪回归(parameter projection pursuit regression,PPPR)模型对城市客运量的预测精度, 基于cat映射、高斯分布和精英局部搜索对加速遗传算法进行改进. 提出了新的混沌加速遗传算法(new chaosaccelerating genetic algorithm, NCAGA),用于对PPPR模型的最佳投影方向α的优选.建立了在外层优化岭函数个数M的同时,内层利用NCAGA优化最佳投影方向a的NCAGA-PPPR混合优化城市客运量预测模型,结合某市统 计资料进行了仿真预测.结果表明该方法的预测精度优于BP神经网络模型、传统PPR模型和基于加速遗传优选的PPPR模型, 平均绝对相对误差小于3.1%,提高了城市客运量的预测精度,可有效应用于城市客运量的预测.     

灰色非线性规划问题及其遗传算法求解方法

灰色系统中的非线性规划问题是一类重要问题 .本文针对一般灰色非线性规划问题 ,给出了一种基于随机模拟的遗传算法求解方法 .实例证明 ,将遗传算法应用于灰色非线性规划问题的求解能取得较好的效果.     

自调整非线性遗传算法

通过对简单遗传算法的理论分析，得出了复制、杂交、变异等算子的每次作用均相当于对所作用的个体进行一次线性变换。因此，通过对传统遗传算子进行修改，作者提出了非线性遗传算法。本文发现规范化操作对算法的计算效率有很大的影响，并且给出各遗传算子的一种等价线性表示。因此，如果针对不同的优化问题动态的进行规范化操作及遗传算子的选择，将会大大提高算法的效率。本文提出一种新的自调整非线性遗传算法(Self—Ajusting Nonlinear Genetic Algorithm,SANGA)，该算法通过规范化操作的动态选择，结合简单的遗传算子，对算法的效率有很大的提高。仿真结果表明该算法的有效性。     

基于CCPSO及PP模型的洪灾评估方法及其仿真应用

以求解洪水灾情评估问题为背景,针对洪灾评估模型参数难以优化这一问题,研究了一种混沌文化粒子群算法(CCPSO)。该算法将PSO纳入文化算法的框架,并在算法中引入局部遍历搜索性能较强的混沌搜索,组成基于PSO的群体空间以及基于混沌优化的信念空间,通过两个种群的独立演化及信息交流来提升算法的全局寻优能力。典型的测试函数的测试结果表明,CCPSO可以有效克服PSO存在的早熟收敛问题,全局收敛能力较PSO有较大提高。同时,为提高洪水灾情评估的灾情分辨率,提出一种基于CCPSO及投影寻踪模型的洪灾评估方法,该方法采用一种修正Logistic曲线来建立洪灾评估的投影寻踪模型,并使用CCPSO来优化投影指标函数以及模型参数。仿真应用结果验证了该方法的合理性及有效性。     

基于成长遗传算法的非线性模型预测控制及仿真

非线性预测控制在每个控制周期需要求取控制量,其实质为非线性优化问题。标准遗传算法时间消耗较大,难以用于控制周期较小的系统。首先证明了基于种子策略和精英保存策略的遗传算法能够保证闭环控制系统的渐进稳定性;继而模拟自然界成长过程,利用成长算子改进算法框架,并用爬山法进行实现。在具有强烈非线性的连续搅拌釜式反应器模型上进行仿真试验。试验结果表明,在不损失控制效果的情况下,成长遗传算法有效的降低了时间消耗。     

基于小波变换和凸集投影的数据恢复和建模算法

在过程控制中,当参数仅能以低采样率获得时,数据恢复就在建模中显得非常重要.本文提出了基于小波变换和凸集投影的数据恢复和建模算法.待恢复数据的先验知识采用凸集表达,并利用向凸集迭代投影(POCSProjection onto Convex     

基于混沌遗传算法的一类非线性两层混合整数规划问题求解

针对一类非线性两层混合整数规划问题,选取一种混沌性较强的自映射,通过引入混沌遗传动态组合系数的概念并在改进相应遗传算子的基础上,设计了一种新型的混沌遗传算法。数值实例结果表明,该算法简便、有效。