灰色组合预测模型及其在人口预测中的应用

分别以原始数据的一次累加生成序列中的每个数据作为初始条件,建立了多个GM（1,1）预测模型,进一步建立了线№组合预测模型,组合模型的权系数利用蚁群算法确定．最后给出了我国人口数量的组合预测模型,计算结果表明,灰色组合预测模型的拟合和预测精度要优于单个传统预测模型．     

遗传算法及其在电磁优化中的应用

遗传算法是一种全局数值优化法,它较之其它经典优化法的优点是不会陷入局部最优解,因此更适于工程应用。本文将遗传算法应用到电磁问题的设计领域,对隐身包层和频率选择结构进行了优化设计,设计结果能用于雷达,天线系统和目标隐身。     

定位路线问题的两阶段禁忌搜索算法研究

定位路线问题是定位配给和车辆路线问题的集成。分析了定位路线问题的含义,建立了此问题的数学模型,并用Lingo 10.0验证了模型的正确性。由于该模型属于NP-hard问题,设计了两阶段禁忌搜索算法:第一阶段用禁忌搜索算法求解定位配给问题,确定设施定位及客户分配;第二阶段用禁忌搜索算法求解车辆路线问题,经过两个阶段的多次迭代求得定位路线问题的优化解,通过实例计算验证该算法的可行性和有效性。     

基于智能优化策略的图像自动配准方法

传感器图像配准是传感器融合中的一个重要课题 ,它的任务就是在不同的传感器图像之间找出正确的映射匹配关系。从优化问题的角度考察传感器配准问题 ,提出一个适当的适配度函数以评定传感器图像间的映射参数 ,并在此基础上采用遗传算法、模拟退火、遗传模拟退火算法等随机优化方法解决此优化问题 ,从而达到自动配准传感器图像的目的。实验结果证明了这种配准方法的可行性 ,而且它对噪声不敏感 ,表现出较好的鲁棒性。遗传模拟退火算法更是在相对较少的迭代后即获收敛     

基于遗传算法的凸多面体间碰撞检测算法研究

将两凸物体间碰撞检测问题归结为一个带约束条件的非线性规划问题．对该问题进行适当的处理后．利用遗传算法对该问题进行求解．实例表明,遗传算法对该问题的求解比用传统的方法求解具有更高的计算效率和更快的计算速度．     

蚁群算法在黑河上游VIC模型参数校正中的应用

参数优选是水文模型应用过程中的一项基础性工作.蚁群算法结合了分布式计算和正反馈机制,是一种较容易理解和实现的元启发式算法,已在求解复杂组合问题中展示出优异的性能.本文将蚁群算法应用于黑河上游VIC模型的参数优选中,通过与SCE-UA算法对比,探究蚁群算法在VIC模型中的适用性.经过蚁群算法优选的VIC模型在率定期(2003—2006年)和验证期(2007—2008年)的Nash效率系数分别为0.62和0.65,结果优于SCE-UA算法模拟结果.通过对蚁群算法在应用过程中的参数设定进行初步探究,结果表明:当蚂蚁数目为60,信息素蒸发系数为0.2时,蚁群算法在黑河上游水文模拟中易获得较好的率定结果.研究结果显示:蚁群算法是一种有效的VIC模型参数优选方法,适宜在其他水文模型参数优化进行推广.     

基于并行遗传算法的关联规则挖掘

根据关联规则挖掘的要求与特点，结合并行遗传算法的思想，通过定义适应度函数，讨论了并行遗传算法在数据挖掘中的应用．结合一个实例，提出了基于并行遗传算法的关联规则的提取算法．     

基于复合神经网络的网络业务分类算法

针对目前计算机网络业务流管理问题,提出了一种基于复合神经网络的网络业务分类方案．将复合神经网络用于网络业务源特征提取与分类的研究中,打包法和BP算法结合用于复合神经网络的训练．并分析比较与单个神经网络和模糊神经网络算法用于网络业务分类效果．计算机仿真结果表明,复合神经网络分类收敛快、误差小,比单个神经网络算法和模糊神经网络算法更优越；同时,研究结果为解决网络业务源特征提取与分类提供了一种有效的途径．     

基于遗传算法的逻辑电路测试生成的研究

本文提出了一种基于遗传算法的逻辑电路测试生成算法,利用遗传算法的全局寻优特点进行集成电路的测试生成,并与确定性算法进行了比较,所得到的实验结果表明,遗传算法可以在比较小的测试矢量集下得到比较高的故障覆盖率,是一个有效的测试生产算法．     

基于微粒群算法的膜片弹簧优化设计

通过对膜片弹簧优化设计目标的分析,选用在摩擦片磨损极限范围内,弹簧压紧力变化的平均值最小及驾驶员作用在分离轴承装置上的分离操纵力的平均值最小为共同优化目标,建立数学模型,应用此模型,采用微粒群算法对某轿车离合器膜片弹簧进行优化设计.结果表明,采用微粒群算法优化后得到的膜片弹簧参数值明显优于原有2种设计方案的数值.膜片弹簧优化设计过程中,微粒群算法能够得到更好的优化结果且算法收敛速度较快.