基于神经网络和遗传算法的无功优化设计

无功优化是一个复杂的混合优化问题,传统方法较难获得全局最优解.文中提出了将并行遗传算法和Hopfield网络相结合的算法.该方法利用遗传算法的并行搜索和解空间搜索的优点进行网络参数的选取,并采用Hopfield网络简单、快速、规范的优点来优化样本空间,以取得整体的优化效率.     

酪氨酸电氧化反应体系的[ip,v]数据处理方法研究

本文主要探讨依据较低电势扫描速率条件下的[ip，v]数据集而定量获取电活性物质的表面超额等参数的新的信息处理方法。     

成本约束下工作流时间最小化的资源配置优化

时间是衡量工作流性能的重要指标。通过对工作流的资源配置的优化,可以改善工作流的时间性能。资源配置优化可以从资源专业化/一般化程度和资源数量两个方面来进行。为了优化资源的这两个方面,提出了一种基于分层嵌套遗传算法的资源优化方法。它采用工作流实例平均响应时间作为评价指标,在成本的约束下,正确配置各类资源专业化/一般化的程度及资源数量,从而最优化工作流时间性能。并通过实例,说明了该方法的可行性和有效性。     

转基因动物的研究现状及展望

介绍了转基因鼠、转基因猪、转基因鱼、转基因牛的研究现状和产生的效益,展望了转基因动物的发展前景,并对其未来发展提出了建议。     

Approach to Weighted Geometric Evaluation Based on Projection Pursuit

Weighted geometric evaluation approach based on Projection pursuit （PP） model is presented in this paper to optimize the choice of schemes. By using PP model, the multi-dimension evaluation index values of schemes can be synthesized into projection value with one dimension. The scheme with a bigger projection value is much better, so the schemes sample can be an optimized choice according to the projection value of each scheme. The modeling of PP based on accelerating genetic algorithm can predigest the realized process of projection pursuit technique, can overcome the shortcomings of large computation amount and the difficulty of computer programming in traditional projection pursuit methods, and can give a new method for application of projection pursuit technique to optimize choice of schemes by using weighted geometric evaluation. The analysis of an applied sample shows that applying PP model driven directly by samples data to optimize choice of schemes is both simple and feasible, that its projection values are relatively decentralized and profit decision-making, that its applicability and maneuverability are high. It can avoid the shortcoming of subjective weighing method, and its results are scientific and objective.     

基于遗传算法的神经网络分类器优化设计

依据神经网络分类器的设计原理，设计了一种有效的遗传算法，实验结果表明：算法优化后的神经网络分类器不但学习速度快，还能保证分类精度．     

基于遗传算法的图像识别方法

分析了图像识别中模板匹配技术面临的计算量大、存储量大的问题,提出了基于遗传算法的图像识别方法。该方法首先对图像模板进行离散化处理,对图像离散点控制,从而把图像识别问题转化成一系列离散点的组合优化问题;然后利用遗传算法对种群优化的性能,对各个控制点组合优化,使各控制点与模板匹配;最后通过计算机仿真实验,证明了这种方法的有效性和实用性。     

基于模糊遗传算法的工业过程控制参数优化研究

针对复杂工业过程控制要求多样性、控制参数难调整的问题,提出了一种控制参数优化方法.其中,利用模糊评判方法设计了模糊适应度函数以改进标准遗传算法,把控制要求分解成多个对控制结果模糊评判的因素,由于其具有不同权重,因此控制结果与控制要求的接近程度就转化成了对遗传算法中个体(控制参数)的适应度.应用该算法优化了生物发酵罐温度控制器的控制参数,实验表明,控制器的控制精度、温度变化平稳性、能耗、电磁阀开关频率等指标均得到了改善,能够较好地解决复杂工业过程中控制参数优化的问题.     

一个具有对偶适应度函数的遗传算法

提出一个具有对偶适应度函数的遗传算法.该法提供了一个阈值,利用对偶适应度函数值辨别全局最优盆和局部最优盆.根据辨识结果,自适应地设置变异概率.对几种典型函数的测试结果表明,该法的全局收敛性能及收敛速度优于标准遗传算法.     

同步电机在线参数辨识的混合算法

根据输出误差法(OEM)、遗传算法和神经网络的优缺点,提出了一种同步电机参数在线辨识的四步法.由于OEM辨识参数需要较好的初值,文中首先用遗传算法在大范围内进行参数寻优,然后以此值作为OEM的初值进行迭代,再用OEM求得的结果训练人工神经网络,最后通过成功训练的神经网络在线辨识各种运行状态下的电机参数.这样使得传统的OEM参数辨识算法、遗传算法和神经网络在辨识参数方面充分地扬长避短,解决了单一算法的不足.在对一台111kVA、440V同步电机进行的仿真试验中,该方法在保证精度的前提下,辨识时间仅为0 008s.