基于遗传算法的Kriging在GPS高程拟合中应用

在用Kriging方法对GPS高程拟合中,对于求变异函数的参数,一般采用的是经过线性化后再用最小二乘方法等来求.采用遗传算法拟合Kriging中变异函数参数,使参数估计过程更加简便,更加自动化.同时应用实测数据进行检测,发现该方法较传统方法具有明显优势.     

基于时空Kriging的软组织模型

为了缓解现有软组织模型实时性与精确性之间的矛盾,提出了一种以Kriging算法为基础的新型软组织模型。阐述了Kriging算法的基本原理与模型关键环节(变异函数的作用与结构),使用B超探头采集实验过程中的超声图像,经过Matlab处理之后获得原始位移数据,将这些数据代入纯空间和纯时间的变异函数模型,并在此基础上建立积和式时空变异模型,最终得到时空Kriging软组织模型。结果表明:时空变异模型的平均误差为0.5 mm。时空Kriging模型与纯空间普通Kriging模型效果进行比对,误差降低了20%,时空Kriging模型与另一组实验数据进行比较,平均偏差为0.2 mm。该模型的实时性与精确性均较好,完全可以满足手术需要。     

黄河三角洲土壤表观电导率空间变异稳健性分析

针对目前黄河三角洲地区存在的土壤盐渍障碍问题,结合电磁感应仪EM38移动测定系统的田间测量,对表征该地区土壤盐分的土壤表观电导率进行了空间变异特征分析,研究了变异函数随样点数量变化的稳健性,并探讨了Kriging插值精度与样点数量之间的关系.结果表明,土壤表观电导率的变异函数表现出多层次叠加的尺度效应,其变异函数较好地符合球状套合模型,短程变异是构成空间异质性的最主要部分.变异函数对样点比例的减少总体不敏感,当样点比例低于lO%,变异函数开始发生形变.Kriging插值精度与空间相似性均随样点比例降低呈下降趋势,当样点比例在20%-80%时,Kriging插值精度对样点比例的降低不敏感;在保证得到稳健的变异函数图的前提下,样点比例降至30%,基本不会损失Kriging插值得到的空间分布信息.     

三维变异函数的计算和拟合

介绍了一种实用的空间任意方向三维变异函数的计算方法以及空间各向异性几何套合算法，给出了一种以加松最小二乘法为基础的半自动实验变异函数曲线拟合方法     

基于Kriging方法的天然地基承载力三维模拟及分析

简要介绍了Kriging方法的基本原理及变异函数的模拟, 并从三维结构模型的体元离散、实验数据搜集与探究、空间变异结构分析以及插值方法应用等方面详细阐述承载力三维实体建模的基本思路。提出以三维地质实体建模技术同Kriging方法相结合的策略分析并模拟天然地基土承载力的空间分布规律, 并以三维可视化技术对其进行刻画和表达。以北京某区域为例, 利用该区887个实验样品数据, 采用Kriging插值与三维实体模型结合的方法, 构建了研究区承载力三维实体模型, 并将模拟结果与传统二维Kriging方法建模结果进行了对比分析。结果表明, Kriging插值与三维实体模型结合的方法不但精度高, 而且直观、准确的三维可视化表现方式为专家的决策提供了便利。     

河北平原地下水水位的时空变异

在地理信息系统(GIS)支持下,运用地统计学方法研究了河北省近15年来地下水水位的时空变异规律,利用克里金(Kriging)法绘制了两个时段地下水水位空间分布图并进行了具体比较分析.结果表明:运用地统计学的半变异函数方法很好地模拟了不同时期河北省地下水水位的空间结构和变异特征,得出地下水水位的变化在中尺度上具有一定的空间自相关,1986~1990年时段地下水水位具有明显的方向变异性,而1996~2000年的方向变异性不明显.Kriging插值表明,河北省地下水水位具有空间分布整体趋势,从东向西、从滨海平原到山麓平原地下水水位逐渐增高,西部和中部平原地下水埋深较大,地下水水位变化较大,而滨海平原...     

Kriging法中各向同性变异函数的构造研究

变异函数是 Kriging 法中的基本工具,故如何构造各向同性的变异函数是该方法中重要而关健的一个环节。原有的构造法较复杂,本文给出了两种简捷的构造新方法。     

利用改进最小二乘法优化的Kriging综合模型

为解决地形起伏较大区域GPS高程拟合技术中模型单一、精度不高的问题,采用理论分析与实验验证的方法,将移动曲面法与Kriging法相结合组成综合模型,分析变异函数的影响因素,研究了利用改进最小二乘法确定变异函数的Kriging综合模型.研究结果表明:改进最小二乘方法拟合得到的变异函数曲线可靠性高,更符合实测数据规律,基于改进最小二乘法的综合模型能够获得高精度的高程拟合值.     

储层属性的遗传神经克里金插值方法及其应用

储层属性参数预测是油藏描述的一项重要基础工作,克里金或神经网络插值法是较为有效的简便预测方法。针对克里金法具有平滑性、神经网络难以反映变量的空间相关性等缺点,用变异函数修正了神经网络的目标函数,并利用遗传算法对神经网络进行全局优化,形成了一种遗传神经克里金混合插值方法。应用实例表明,该方法具有神经网络较好的自学习、自适应能力;利用变异函数能较好地恢复数据的空间相关性;通过遗传算法全局优化,克服了神经网络目标函数容易陷入局部极小的缺点;对不同空间分布的样本点均能得到稳定的插值结果,具有比其他插值方法更高的精度和稳定性。     

向量距离中角度信息对时空Kriging的影响

时空Kriging算法的核心,是将变差函数的概念扩展到时空域,变差函数的构建过程基础是计算时间切片和空间切片的向量距离。该文讨论了向量距离对构建时空变差函数的影响,提出了空间距离加角度差异的向量距离模型。以地磁场观测数据作为对象,分别用L1范数、L2范数和新距离模型对数据进行分析,比较3种距离定义下的时空Kriging插值性能。结果表明:加入了角度信息的向量距离,能够更有效地表征数据,提高时空Kriging的插值精度。     

一种新的伪并行遗传算法

利用混沌序列的伪随机性,将混沌引入伪并行遗传算法,提出了伪并行混沌遗传算法。对3个检测函数的仿真实验表明该算法能较好地克服早熟现象及收敛速度慢的问题,优于伪并行遗传算法、显著优于标准遗传算法。     

基于遗传算法的模糊控制器设计

遗传算法是建立在自然选择和自然遗传学机理上的遗传自适应概率性搜索算法 ,对于多变量寻优问题是一种易于实现的、有效的途径 ,提出了一种基于遗传算法的隶属函数和控制规则的最优设计方法。仿真结果表明 ,用该方法设计的模糊控制器用较少的模糊变量即可获得良好的性能。     

粒子群算法的改进及其在求解约束优化问题中的应用

在用粒子群算法求解约束优化问题时, 处理好约束条件 是取得好的优化效果的关键. 通过对约束问题特征和粒子群算法结构的研究, 提出求解约束 优化问题一种改进的粒子群算法, 该算法让每个粒子都具有双适应值, 通过双适应值决定粒 子优劣, 并提出了自适应保留不可行粒子的策略. 实验证明, 改进的算法是可行的, 且在 精度与稳定性上明显优于采用罚函数的粒子群算法和遗传算法等算法.     

基于遗传算法的直觉模糊C均值聚类算法

 针对一般直觉模糊C均值聚类算法在寻优过程中易陷入局部最优解的问题,利用遗传算法具备全局寻优的优点,提出了一种基于遗传算法的直觉模糊C均值聚类算法。在该算法中聚类中心为直觉模糊数,这使得遗传过程中个体信息变得复杂,进而增大了约束问题的处理难度。本文对产生的个体采用适时分段的归一化方法,很好地解决了该问题。仿真结果表明该算法所得聚类结果不仅准确而且更为细致。     

基于谓词逻辑和约束网络结构的遗传编程方法

提出了一种新的谓词型遗传编程方法,该方法包括:待求解问题论域的函数空间约束、遗传算子的谓词逻辑表达、谓词结构推理下数值参数空间的混沌式遍历及发生机制以及非线性方式下自适应进化和非监督学习的综合。整个过程是在约束网络的基础上,以谓词逻辑表达机制为核心实现的函数结点集合约束下的数值型进化计算过程。该方法可被认为是对现有遗传编程技术的改进,克服了LISP型及其C仿真型遗传编程算法在各种表示手段方面的缺陷,提高了计算效率,在系统辨识中的应用实验表明了是有效和实用的。     

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.     

利用遗传算法和人工神经网络的外形重构

给出了一种新的基于复变函数、遗传算法和神经网络的曲面重构方法，曲面可以用解析表达式的格式重构。根据确定的离散化样本集合，在均方差的意义上，这种表示法是最优的。我们采用的曲面表示方法是通过进化计算得到的，其中反复应用了交叉和变异操作，结合误差反传训练算法，直到满足终止条件。表达式最终被分类成一些基本函数的特征组合。这种方法可以用于3D物体的CAD模型重构和自由光滑曲面模拟。用VisualC 和MatLab演示了该系统，并且实现了在设计过程中的实时曲面可视化。     

不同适应度函数的遗传算法在桥梁结构传感器布设中的应用

从模态振型正交性和模态能量两方面出发设计了3个适应度函数,将其分别应用于改进遗传算法和单亲遗传算法。采用两步法对大跨径桥梁结构传感器布设进行定量和定位分析。通过对两种遗传算法、3个适应度函数及有效独立算法在大跨径拱桥中的对比分析,证实了单亲遗传算法比改进遗传算法更适合于桥梁结构传感器的布设,基于组合评价准则适应度函数比单一评价准则适应度函数布设出的传感器位置更加合理,验证了两步法用于传感器定量及定位计算的有效性 。     

基于局部填充函数的混合优化算法的改进

填充函数算法是求解全局优化问题的常用算法,其应用效果依赖于如何合理地选择算法参数。为了方便地选择参数,该文提出了局部填充函数的概念,并讨论基于局部填充函数的混合优化算法的改进策略。对于给定的参数,混合优化算法寻找一个包含极小点的区域,使得所构造的函数在该区域上满足局部填充函数的定义,从而利用局部填充函数的性质简化寻优过程,减少优化过程中参数调整的次数和难度,提高算法的效率和稳定性。此外,针对填充函数算法研究中简单盆存在性问题,该文给出了一个实例,说明二次连续可微的函数在一定条件下其孤立极小点附近可以不存在简单盆。     

基于遗传算法多目标非重叠路径诱导算法

依据遗传算法基本原理,提出一种多目标路径诱导算法. 染色体编码采用可变长度节点序列方法表示,以减少染色体编码长度. 设计了相应的多目标适应度函数. 该算法在给定多个目标约束条件下,能够解出多个近优路径. 实验结果证明,该算法能有效解决多目标非重叠路径选择问题,和目前已有其它方法相比,路径相似度更小.