全路网改进动态O-D反推模型

针对动态O-D矩阵在全路网中难以直接获得的问题,提出了一种改进的反推模型。首先提出了以最小化观测值与反推值偏差的绝对值之和作为目标函数的路口参数优化模型,并采用遗传算法求解,设计了编解码方案。将反推得到的路口转向流量和流量检测系统中得到的路段流量共同作为已知量,建立了其与全路网动态O-D矩阵的动态关系,增强了系统的静定性。以反推值与最优历史值的偏差作为状态变量,建立了基于Kalman滤波的状态空间模型,并采用扩展Kalman滤波求解。仿真结果表明,模型和算法具有较好的精度、效率和鲁棒性。     

Polling Strategy for Wireless Multimedia LANs

Introduction There is an increasing demand for wireless multimedia networks to communicate using any type of media without any geographical restrictions. Therefore, wire- less networks are expected to support multimedia ser- vices with guaranteed quality …     

具动态性能指标的医学系统自组织模糊控制

提出一个具有动态性能指标的完全脱离模型的自组织模糊逻辑控制系统.系统的性能指标由一个随机结构开始,评价规则通过一个基于自增强机制进行在线优化的微遗传算法来产生.算法对非线性麻醉过程中肌肉松弛状态的控制效果进行了验证.通过和标准自组织系统的控制效果比较,该算法的优势体现在因为自学习能力导致的控制鲁棒性上,它能够很好地处理变参数动态系统和大时滞系统的控制问题.在每轮控制中,所提出的算法都以少量模糊控制规则(最多18条)实现了控制要求.     

量子遗传算法对砂类边坡稳定性敏感度的分析

边坡稳定性的影响因素复杂,需要寻找不同状态下影响较大的因素针对治理。针对传统边坡稳定性计算繁琐问题与边坡分析中常用的遗传算法的收敛速度慢、易陷入局部最优情况等劣势,使用量子遗传算法进行边坡分析,并将该方法应用到实际边坡的分析中。通过模拟参数波动的方法,计算了边坡稳定系数对内摩擦角、黏聚力、土体容重、坡高的敏感度,及不同参数波动时对其他参数敏感度的影响程度,并通过此方法完成了对边坡在不同参数变异情况下的最危险滑坡区间的预测。     

基于GRU-DRSN的双通道人体活动识别

人体活动识别(human activity recognizition, HAR)在医疗、军工、智能家居等领域有很大的应用空间。传统机器学习方法特征提取难度较大且精度不高。针对上述问题并结合传感器时序特性,提出了一种融合CBAM(convolutional block attention module)注意力机制的GRU-DRSN双通道并行模型,有效避免了传统串行模型因网络深度加深引起梯度爆炸和消失问题。同时并行结构使得两条支路具有相同的优先级,使用深度残差收缩网络(deep residual shrinkage network, DRSN)提取数据的深层空间特征,同时使用门控循环结构(gated recurrent unit, GRU)学习活动样本在时间序列上的特征,同时进行提取样本不同维度的特征,并通过CBAM模块进行特征的权重分配,最后通过Softmax层进行识别,实现了端对端的人体活动识别。使用公开数据集(wireless sensor data mining, WISDM)进行验证,模型平均精度达到了97.6%,与传统机器学习模型和前人所提神经网络模型相比,有更好的识别效果。     

基于遗传算法优化BP神经网络的青藏高原海北高寒湿地CO2通量模拟及其影响因子

构建了使用潜热通量、显热通量、空气温度、总辐射、有效辐射、土壤温度、土壤体积含水量来模拟湿地生态系统CO2排放通量的3层BP神经网络.在确定BP神经网络拓扑结构之后,使用遗传算法取得了BP神经网络训练的最优初始阈值和权值.采用2190组青藏高原海北高寒湿地生态系统中实测CO2通量及相应的训练数据归一化处理后,对所建立的...     

一种基于遗传算法的车载边缘计算卸载方案

延迟敏感型和计算密集型车辆应用的出现,给计算资源有限的车联网带来了巨大的挑战。移动边缘计算(Mobile Edge Computing, MEC)是云计算的一种补充,可以有效解决车辆计算资源有限等问题,但是车辆的高机动性以及中心云距离较远导致数据卸载延迟较大,对卸载效率产生较大影响。现有方案大多对车辆的高机动性以及空闲资源的利用方面考虑不足,因此,文中提出一种基于遗传算法的车载边缘计算卸载方案(Genetic Algorithm-based Vehicle Edge Computing Offloading Scheme, GAVECOS)。在该方案中,考虑了任务车辆周围的本地车辆、路边基站上的边缘服务器和空闲车辆的计算资源来卸载任务,然后提出一个以系统总成本最小为目标的优化问题,并利用遗传算法求解该优化问题。最后通过搭建仿真平台对方案进行了验证。仿真结果显示,在综合考虑系统的时延和能耗这两个因素的情况下,该方案与其他4种方案相比总成本有明显的降低。     

遗传优化神经网络实现的人民币号码识别系统

目前人工神经网络广泛的应用于各种模式识别以及自动控制等系统中,该系统利用了图像去噪,分割,倾斜度调整,字符分割,字符归一化等图像预处理之后,将人民币号码图像进行特征提取,应用神经网络进行识别.同时,用遗传算法对人工神经网络进行网络权值的优化,加快了训练速度,提高了识别率.     

基于遗传算法的SVC电力系统低频振荡抑制技术

为了延伸静止无功补偿器的作用,即在控制电压的基础上对系统中存在的低频振荡进行抑制,对其添加新的辅助阻尼控制器,并采用遗传算法对控制器参数进行进化,在全局信号中搜索出最优解,并提出了衡量系统低频振荡非线性度的参数.经计算机软件Matlab/Simulink仿真验证,在单机无穷大系统中,该辅助阻尼控制器可以很好地抑制系统低...     

基于改进量子遗传优化支持向量机的配电网故障分类

针对传统方法在解决现代配电网故障分类时存在的求解速度慢、分类精度差的问题,提出一种结合量子遗传算法的支持向量机配电网故障分类方法。首先采集故障信号并进行S变换处理,将处理结果的均方根与均值作为特征量,以提高特征量辨识度;其次在量子遗传算法的种群更新策略中引入自适应动态旋转角,避免算法在早期陷入局部收敛,增加算法的调参精度。以IEEE33节点配电网模型为研究对象的实验结果表明,所提的特征量提取方法有效提高了支持向量机的故障分类精度,改进后的量子遗传算法通过为支持向量机寻到更优参数从而进一步提高了故障的判别精度和分类速度,验证了方法的有效性与准确性。