结构地震反应的模糊控制

MR阻尼器是一种性能优良的半主动控制装置,已广泛应用于结构振动控制领域。本文针对MR阻尼器控制系统的特点,提出了一种基于遗传算法的模糊控制器设计方法,对地震作用下的建筑结构实施模糊控制。该方法将多目标遗传算法NSGA—II和模糊控制技术相结合,人工设计基本模糊控制器,以位移、层间位移和绝对加速度为控制目标,利用NSGA—II来优化生成最优的模糊控制规则。一个3层结构的仿真结果表明。所设计的模糊控制器在四种不同的地震波作用下均能有效地减小结构的地震反应,控制效果明显优于被动控制,与Clipped-LQR控制效果接近。     

工业过程控制系统迭代学习算法的增益确定

应用频域和时域（非状态空间法）相结合的方法对简单工业过程控制系统迭代学习算法进行了收敛性分析,在频域得出了用系统参数显示表示的收敛性条件,避免了收敛条件的验证对系统时域模型参数的依赖性,使验证更简洁,用平方积分鉴定法确定了首次学习时误差平方积分最小意义下学习增益的最优值,明确了学习增益选取的目标,数字仿真表明：所确定的学习增益不仅是最优的,而且相应的迭代学习控制能显著改善控制系统的动态品质。     

频率分配问题的建模、算法及其实现

提出了一种蜂窝移动通信中的基站频率分配问题的模型,给出一种新的基于遗传算法的解决算法,并且详述了该算法的实现.     

生产管理中一类排序问题的遗传算法

生产定理系统中经常会遇到一系列排序问题。本文讨论将ｎ个任务安排在ｍ台设备上完成的一类排序问题。对该类排序问题的其他模型进行了进一步讨论,扩展了模型的适用范围,在建立通用模型的基础上,用遗传算法求解。     

西南地区金荞麦(Fagopyrum dibotrys(D.Don) Hara)居群的等位酶变异

采用等位酶电泳研究了云南省和四川省西南共五县境内金荞麦（Ｆａｇｏｐｙｒｕｍ ｄｉｂｏｔｒｙｓ（Ｄ．Ｄｏｎ）Ｈａｒａ）５个天然居群间的遗传分化,金荞麦居群间遗传分化程度较低,ＦＳＴ值为０．２２５,居群间遗传一致度和遗传距离的均值分别为０．９０５３和０．１００５,并提出了保护建议。     

西南地区金荞麦(Fagopyrum dibotrys(D.Don)Hara)居群遗传多样性研究

采用等位酶电泳技术研究了云南省和四川省西南共 5个县境内金荞麦 (Fagopyrumdibotrys(D .Don)Hara) 5个天然居群的遗传多样性 .金荞麦居群内维持有较高的遗传多样性 ,多态位点比率为 5 6 .7% ,预期杂合度和观察杂合度分别为 0 .2 2 1和 0 .36 3.并对金荞麦与栽培荞麦之间遗传变异作了比较 .     

山东三个主要赤松(Pinus densiflora Sieb.et Zucc.)种群遗传多样性研究

赤松 (Pinusdensiflora)是山东半岛地带性针叶林的主要建群种 ,由于虫害严重 ,导致种群数量下降 .对山东 3个主要赤松种群的同工酶分析表明 ,种群内基因多样度 (Hs=0 .2 680 )水平较高 ,而种群间基因多样度 (DST=0 .0 0 95)水平较低 .总群体表现为杂合体过度 ,纯合体 (F =-0 .1 2 90 )不足 .种群间基因分化度 (GST=0 .0 3 42 )较低 ,这与赤松种群寿命长、分布连续、风媒异交、种群间基因流 (Nm =7.0 6)较强有关 .虫害是导致赤松种群急剧减少的主要自然因素 ,而人为干扰导致生境片断化 ,也对赤松形成直接威胁 ,因此保护天然赤松种群及其生境对于赤松的持续发展具有重要意义 .     

基于附加隐性遗传效应遗传算法的约束优化问题研究

遗传算法是一种模拟生物进化论的自然选择和遗传学的基因遗传机理而发展出来的一种全局优化算法.本文作者提出附加隐性遗传效应遗传算法,通过具体算例,对基本遗传算法与附加隐性遗传效应遗传算法的优化结果进行比较分析,证明了附加隐性遗传效应遗传算法在求解优化领域的约束优化方面,表现出更好的算法性能.     

双向WDM星形单跳网双星波长重用扩容

针对可利用的有限波长数对双向WDM星形单跳网网络容量限制问题,提出了一种波长重用的网络扩容方案.该方案结构简单,易于实施;通过波长重用,可扩大网络的节点数——网络容量;在网络节点数不变时,则可减少网络节点的排队时延,增加网络的吞吐量,改善网络的性能;此外,它还可用于双向WDM星形单跳网的网间互连.首先论述波长重用的双向WDM星形单跳网的结构,接着分析网络的波长重用特性,进而对网络结构中所要求的光放大器增益和输出功率进行了计算,最后计算了网络的最大信道波长数和最大节点数.     

遗传算法优化BP神经网络的异丙酚血药浓度预测

针对静脉麻醉异丙酚时变性强,房室结构复杂的特性,经典的非线性混合效应模型参数估计法存在变量繁多,人为因素多等弊端,而BP神经网络又存在极易陷入局部极值,网络训练不稳定致使预测误差大。利用遗传算法优化BP神经网络的权值和阈值,调整神经网络中异丙酚血药浓度和时间、病人年龄、体重、身高、体表面积、采样时间、总剂量、注射率的关系,然后建立异丙酚血药浓度预测模型,并与NONMEM方法、BP神经网络进行比较。比较结果,GA-BP网络的平均误差为1.2%,BP网络的平均误差为29.59%,NONMEM为14.61%,GA-BP网络的绝对平均误差15.76%,BP网络的绝对平均误差31.9%,NONMEM为22.99%。实验结果表明:GA-BP网络对于半衰期较短的麻醉药物异丙酚药物具有较好的非线性拟合能力和更高的预测准确性。