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 。     

一种典型岸坡集中卸荷带发育特征的工程地质研究

在对区域地质背景、构造演化特征及河谷演化历史分析的基础上,对宽阔盆地峡谷岸坡形成的深部拉裂、卸荷带发育分布特征、成因机理进行了研究。结果表明,岸坡集中卸荷带发育的拉裂缝均陡倾坡内或倾坡外,属岸坡卸荷变形的范畴,是在早期区域性垂向卸荷的基础上伴随峡谷岸坡形成过程中应力释放、在原有构造结构面基础上形成的浅表生改造的产物。     

改进遗传神经网络在水质评价中的应用

根据地表水环境质量评价标准,选取5项监测指标作为评价因子,在各指标对应级别取值区间内按均匀分布方式随机内插生成训练样本,采用改进自适应交叉和变异算子的遗传算法对BP网络连接权和阈值进行优化,以长江口某河段水质评价为例,阐明了该方法在水质评价中的作用,并与综合指标法进行比较;结果表明:该方法具有较好的客观性和实用性,能有效地对地表水环境质量进行评价,丰富了水质评价的方法体系,为地表水环境管理与决策的提供依据。     

基于遗传算法的形声输入法训练样本生成研究与实现

在用户利用输入法练习软件学习时,输入法练习软件使用的训练样本设计是否合理,是影响学习好坏的重要因素。讨论以形声编码输入法练习软件训练样本生成作为研究对象,根据用户设定的训练目标,通过遗传算法生成符合训练要求的最优训练样本,来满足用户训练要求。     

基于混沌遗传算法与小波多分辨率分析的岩心图像匹配

针对岩心图像尺寸大,特征信息不明显的特点,充分利用混沌遗传算法的随机性大大减少了传统搜索算法消耗的大量运算时间。利用小波多分辨率分析的方法在小波变换子图像上进行粗匹配,再在原始图像上精匹配,浓缩了岩心图象的特征信息在保证匹配准确度的同时提升了运算速度。将混沌遗传算法与小波变换多分辨率分析相结合,将其应用于大幅岩心图像的配准。实验表明,该方法能够快速而有效地进行图像配准,兼顾了匹配效果和匹配速度。     

基于遗传算法和MATLAB-ADAMS的汽车转向节优化计算

针对某微型汽车转向沉重、前轮摆振和前轮磨耗严重的问题,首先建立了麦弗逊前悬架数学模型,依照给定的前轮定位目标参数,在Matlab环境下,优化计算得出转向节关键点静平衡位置坐标,然后根据计算结果在ADAMS软件中建立麦弗逊前悬架虚拟样机模型,最后采用遗传算法联合ADAMS仿真优化的方法,以前轮上下跳动时4个前轮定位参数值相对于给定值变化量绝对值加权之和最小为综合目标,对其进行优化.优化后4个前轮定位参数值都是围绕目标值上下变化,其中后倾角变化幅度减少32%,内倾角变化幅度减少24%,前束角变化减少34%,外倾角的变化也一直处于外张状态,悬架运动特性得到改善,同时也证明了联合仿真优化方法方便可行.     

基于遗传算法组卷策略的研究

借用了生物遗传学的观点,通过自然选择、遗传、变异等作用机制,使用遗传算法进行组卷问题的求解,增强了个体的适应性。     

基于改进型免疫遗传算法对网格中独立任务调度问题的研究

在研究现有任务调度算法的基础上,借鉴生物免疫系统原理中抗体多样性产生及保持机理,定义了基于抗体的矢量距离、亲合力及浓度相关的选择概率,这样可以在进化过程中保留优秀个体,同时抑制抗体群陷于同一极值而停止进化的早熟现象;另一方面,提出父子竞争(PCC)交叉算子和基于浓度调节机制的变异概率,提高抗体群进化速度的同时保留优秀抗体.仿真实验结果表明,算法与其它调度算法比较,更能有效地实现资源的分配,可以成功应用于网格环境下独立任务调度.     

基于GA-MCMC的粒子滤波图像恢复算法

针对粒子滤波的退化和贫化问题,提出一种GA-MCMC粒子滤波图像恢复算法.该算法引入遗传算法(GA)全局寻优和粒子总数多样性的特性,结合马尔可夫链蒙特卡罗方法(MCMC)的收敛性,将交叉、变异和选择操作融入到粒子滤波图像恢复中,提高了粒子滤波的鲁棒性、精确性和灵活性.实验结果表明,该算法能减少贫化和退化问题,且在对具有混合噪声的真实图像恢复效果方面显示了其优越性.     

煤与瓦斯突出强度预测的IGABP方法

针对传统松散式(Genetic Algorithm Based Back Propagation Neural Network,GABP)模型应用于复杂煤与瓦斯突出预测时,存在GA自身性能及模型间相对孤立等不足,提出二者优势互补的IGABP一体化模型。IGABP首先在自适应交叉、变异率等方面进行改进,以提高GA自身的性能。其次,将BP导向性训练以算子的形式引入到标准GA进化过程,实现了GA寻优搜索的随机性向自主导向性转变。BP对GA搜索到的近似最优值进行微调,GA算法的收敛速度得到提升,确定精确解的位置能力加强,同时,又避免了单一BP网络本论文易陷入局部极小值的缺点,实现了两者一体化结合。仿真实验表明,构造出的进化神经网络更能反映煤与瓦斯突出强度样本的复杂非线性关系,有效克服了传统模型的不足,其运行效率、预测精度、可靠性等方面均优于传统模型,为瓦斯智能预测提供了新的解决方案。