带移民的自适应遗传新算法及其应用

模拟人处理问题的一般思路,提出一种基于非线性遗传算子的带移民的自适应遗传算法。优化算例表明,这种方法具有较强的寻优能力和理想的收敛速度。     

利用遗传算法的结构优化设计

利用遗传算法,首次提出"取刚架截面形状和尺寸规格为设计变量,结构体积为目标函数,求全局最优解"这一优化模型.通过对各个计算环节的研究,确立了可行的计算方法,编制计算程序,并以算例证明该方法的有效性.     

改进的遗传算法在非线性方程组求解中的应用

将非线性方程组的求解问题转化为函数优化问题,利用遗传算法适应值的分布和二进制编码的特点,通过缩小、移动搜索空间的方法,求得非线性方程组的高精度的解．同时,数值模拟表明改进后的算法的提高了遗传算法在演化后期的局部寻优能力。     

基于组合优化算法的船舶信息风险评估

为避免船舶信息风险引发重大船舶航行事故,研究基于组合优化算法的船舶信息风险评估方法。选取通信、环境、管理、人为这4个方面因素共17个指标,构建船舶信息风险评估指标体系,将其作为径向基函数（RBF）神经网络输入层输入数据,经隐含层映射操作后,通过输出层输出评估到的船舶信息风险等级,采用结合模糊C均值聚类算法和遗传算法的组合优化算法,合理选取RBF神经网络隐含层中心向量并寻优获取最佳隐含层基函数宽度和权值向量,提升船舶信息风险评估效果。实验结果表明：该方法可有效评估多艘船舶的信息风险,并可依据评估结果获取何种因素导致船舶信息风险,提出针对性指导建议。     

塑料排水板处理软土地基设计参数的优化

通过对高速铁路软土路基工后沉降组成的分析,以经济效益为目标函数,软土地基工后沉降、沉降速率双控制指标为约束条件建立优化数值模型,采用遗传算法对塑料排水板处理软土地基的主要设计参数,在总工期一定的情况下进行优化,以获得更好的经济效果。     

基于波束形成的海上智能天线算法

远距离海上雷达探测由于海上环境的复杂性容易受到杂波干扰,常用的最小均方算法通过在干扰噪声中形成主波束并引导至目标信号,有效解决了杂波干扰问题。通过对自适应智能天线波束形成技术的海上应用进行研究,给出了常用的天线阵列结构模型和信号模型,研究了智能天线中的自适应波束成型算法,目前在这一领域的解决方案中最小均方算法最为常见,但其存在收敛速度差、通用性低等问题。本文将优化遗传算法引入,对传统遗传算法中初始种群规划和交叉操作进行了优化和改进。仿真实验表明,与最小均方算法、传统遗传算法相比,优化遗传算法对杂波的抑制效果提高了28%,收敛速度提升了3倍,具有良好发展前景。     

基于VMD-HHT冲击回波法的隧道衬砌检测技术研究

研究目的:针对常规冲击回波法在进行隧道衬砌脱空检测时容易出现多重峰值、虚假频率等问题,提出以模糊熵和相关系数为综合目标函数的遗传算法对原始信号进行最优化变分模态分解(VMD),然后基于希尔伯特-黄变换(HHT)计算信号的边际谱,并据此进行脱空检测分析,解决了傅里叶变换对非平稳冲击回波信号分析存在的固有缺陷,并基于仿真信号和隧道衬砌物理模型检测信号对数据处理方法进行了验证。研究结论:(1)以模糊熵和相关系数为综合目标函数的遗传算法有效实现了VMD分解参数的最优化,避免了人为设定参数所具有的偶然性;(2)VMD能够自适应地实现对冲击回波信号不同主频分量的有效分离,不存在模态混叠,因此能够有效滤除噪音信号,提高数据信噪比;(3)本文所提出的基于改进VMD-HHT的冲击回波法能够对衬砌厚度进行可靠检测,且检测结果中主频清晰明显,干扰远小于常用的傅里叶变换,不容易产生误判,有效提高了检测精度;(4)由于傅里叶变换及VMD-HHT处理方法的检测结果均存在一定的误差,因此要精确判断衬砌是否存在脱空,需结合隧道衬砌为密实情况的结果进行综合对比分析。     

考虑环境约束的多货种内陆港布局优化

内陆港作为综合运输一体化的枢纽,地位和作用愈加重要,而传统的内陆港选址却较少针对环境约束、多货种和多沿海港口来进行分析。将多货种和环境问题引入内陆港的布局优化中,首先建立以建设运营成本、运输成本、中转成本、时间成本(即系统总成本)最小和环境排放量最小的双目标内陆港布局优化模型,然后采用传统遗传算法、加入模拟退火算法的改进遗传算法和基于非支配排序的遗传算法进行求解,最后以东三省及内蒙古东部城市为例进行了实证分析。计算结果表明,在考虑环境因素的情况下,当货种的时间敏感因子较低时,通过内陆港中转到达海港的货源点更多;当货种的时间敏感因子较高时,通过公路直达海港的货源点更多。     

基于分类遗传算法的给水管径优化设计

应用分类遗传算法优化设计给水管网,该方法有以下改进:直接以整数对离散的标准管径进行编码;对约束条件进行处理无须采用了惩罚函数;而且因借助于强大的管网水力求解器epanet,能处理大规模优化问题.最后以一经典算例验证了该方法的良好特性.     

退火遗传算法优化的神经网络在销售预测中的应用

将遗传算法(GA)和模拟退火(SA)优化的神经网络应用到制造企业的销售预测中.预测采用三层前馈神经网络,其中神经网络的连接权重和节点阈值的确定使用GA和SA算法相结合的优化学习策略.GA采用实数编码, 把要确定的神经网络连接权重和节点阈值作为基因串.实例数值计算表明该种算法的神经网络的学习速度和预测精度都比单纯BP算法得出的结果好,适合于制造企业的销售预测.