基于混合遗传算法的支持向量机参数选择

针对常用的梯度下降法支持向量机参数选择方法易陷入局部极小点的问题,提出一种基于混合遗传算法的支持向量机参数选择方法.该方法结合遗传算法的全局优化能力和梯度法的局部寻优能力,能够选择到更好的支持向量机参数.仿真实验表明,使用该方法确定的参数可使支持向量机具有更好的泛化性能.     

膨胀土等级判别的遗传支持向量机多分类方法

针对支持向量机模型中的参数难以确定的状况,提出了遗传支持向量机方法,即利用遗传算法来搜索支持向量机与核函数的参数,避免了人为选择参数的盲目性,同时提高了支持向量机的推广预测能力,并将该方法应用于膨胀土胀缩等级的判别分类问题。考虑影响膨胀土判别的重要因素,选用液限、胀缩总率、塑性指数、天然含水量和自由膨胀率5个指标作为模型的判别因子,以4类膨胀土胀缩等级作为相应的输出,以膨胀土实测数据作为学习样本进行训练,建立相应分类函数对待判样本进行分类。研究结果表明：遗传支持向量机模型分类性能良好,预测精度高,是膨胀土胀缩等级分类的一种有效方法,可以在实际工程中进行推广。     

基于响应面与遗传算法的液力透平叶轮优化设计

建立了基于试验设计、响应面近似和遗传算法优化的液力透平叶轮优化设计方法。通过ANSYS CFX数值模拟得到其外特性,原始模型数值计算结果与试验结果外特性吻合较好。以设计工况下的水力效率和扬程为目标函数,利用响应面方法(RSM)分别得到设计参数与目标函数之间的显式表达式,采用NSGA-Ⅱ遗传算法得到最优叶轮参数组合。优化后水力模型效率提高3.2%。结果表明,响应面方法与NSGA-Ⅱ遗传算法相结合的优化方法适用于液力透平叶轮的优化设计。     

人工冻土单轴抗压强度GA-SVM预测模型

为了预计冻结法凿井中井壁结构设计中的人工冻土单轴抗压强度,利用支持向量机在处理小样本分类学习的独到优越性及遗传算法全局并行搜索优化的特点,结合影响人工冻土单轴抗压强度因素,提出了人工冻土单轴抗压强度不同核函数的遗传支持向量机计算模型,并运用该模型预计了两淮地区第四系人工冻土单轴抗压强度。结果表明,多项式核函数的遗传支持向量机模型较高斯径向基核函数及Sigmoid核函数的遗传支持向量机模型较准确地预计人工冻土单轴抗压强度。该模型为人工冻土单轴抗压强度的预计提供了一条新途径。     

基于遗传算法优化支持向量机的辐射测温方法

温度的监控与测量在工业生产和科学研究等众多领域都发挥着重要的作用。遗传算法(Genetic Algorithm,GA)是模拟生物界中自由配对和自然选择现象的一种过程全局搜索算法。而支持向量机(Support Vector Machine,SVM)是以统计学习理论为基础的,并致力于研究少样本情况下机器学习规律的新兴学习算法,具有非常好的非线性函数拟合和泛化能力。针对目前支持向量机的结构参数多采用经验或者试取,提出遗传算法来优化支持向量机的参数,并应用于红外辐射温度测量。结果表明,遗传算法优化方法较网格搜索方式无论是学习效率和预测精度都优于后者,表明遗传支持向量机算法能有效地用于目标辐射温度测量。     

PSO—SVR在果酒生物活性物质预测中的应用

针对BP神经网络和遗传算法对果酒生物活性物质预测存在速度慢和精度低的缺点,建立了基于支持向量回归机（SVR）的果酒生物活性物质预测模型。鉴于支持向量机模型的精度和泛化能力很大程度取决于不敏感损失系数ε、惩罚系数C和RBF核函数的宽度系数7三个参数,模型采用粒子群算法对三个参数同时进行优化,实现了果酒生物活性物质的非线性预测。仿真结果表明：基于PSO—SVR算法的果酒生物活性物质预测模型性能优于所比较的BP神经网络模型和支持向量回归机模型,能有效提高果酒生物活性物质的预测精度和稳定性。     

基于遗传支持向量机的时用水量预测模型

针对传统支持向量机采用交叉验证确定参数耗时较长的不足,提出了基于遗传支持向量机的时用水量预测模型.根据时用水量序列的相关性,确定预测模型的输入参数;利用自适应遗传算法优化支持向量机的参数,建立了时用水量预测模型.实例分析结果表明,与基于传统支持向量机的预测模型相比,基于遗传支持向量机的时用水量预测模型建模速度更快,预测精度更高.验证了所提出模型的合理性和有效性.     

基于层次支持向量机的区域战略交通控制策略优化方法

针对传统交通控制系统中控制策略无法动态响应交通状态变化的问题,提出了一些评价区域交通状态的指标,并基于这些指标提出了一种基于层次支持向量机的区域战略交通控制策略优化方法,设计了两种层次支持向量机优化结构。最后基于VISSIM4.2和Matlab 7.01平台,开展了一些模拟试验来验证所提出方法的性能。仿真结果表明,基于组合二叉树的层次支持向量机的优化方法能够更有效地、准确地响应于时变交通流。     

一种用于多分类问题的改进支持向量机

针对非均衡分布的多类分类问题,为提高支持向量机(SVM)算法的性能,提出了一种改进的SVM算法. 将遗传算法(GA)与传统SVM算法结合,构造出一种参数最优的进化SVM(GA-SVM), SVM模型采用径向基函数(RBF)作为核函数,利用格雷码编码方式对SVM算法的模型参数进行遗传编码和优化搜索,将搜索到的优化结果作为SVM的最终模型参数. 在两个不同特性的数据集上进行仿真测试,结果表明,与使用交叉验证策略的简单SVM相比,改进后的GA-SVM算法在多类非均衡问题上明显提高了分类正确率,学习速度也有提高.     

深基坑变形预测的进化支持向量机模型

提出了深基坑变形预测的进化支持向量机方法。利用遗传算法来搜索支持向量机与核函数的参数,避免了人为选择参数的盲目性,同时提高了支持向量机的推广预测能力。利用优化后的模型对基坑实例进行了变形预测,并将预测结果与监测结果进行了对比。研究结果表明,该模型与神经网络模型相比,具有预测精度高、泛化能力强等优点,对基坑安全监控具有实用价值。     

应用遗传算法的多机系统阻尼控制器协调优化

应用李雅普诺夫方程和遗传算法相结合的方法对电力系统中多机系统阻尼控制器参数进行了协调优化。目标函数定义为线性二次型性能指标,选取合适的权重矩阵和ISE判据准则,使得发电机转子角的偏差变化量最小。系统的线性化模型和状态矩阵通过SSAT获得。新英格兰10机系统的仿真结果表明该方法是有一种有效的参数优化方法,优化出的参数对不同的运行方式具有良好的鲁棒性,极大地提高了系统阻尼,增强了系统稳定性。     

高比转速离心叶轮的参数化分析及优化设计

为提高高比转速离心泵的性能和解决多参数优化难的问题,提出一种基于变量降维和智能算法的优化设计方法。变量降维过程基于Pearson相关性分析方法,研究叶轮的18个设计变量对泵水力性能的影响,并选择其中8个具有高影响因子的变量作为最终的优化变量。优化过程基于拉丁超立方抽样方法生成160组设计样本,以最大化设计工况效率作为目标,利用人工神经网络和遗传算法对优化问题进行求解。优化结果经CFD验证：模型泵在设计工况点效率提高了3.02%,高效运行区得到了拓宽;相比于原始叶轮,优化后叶轮内湍动能分布得到了改善,不稳定流动结构减少。该方法对高比转速离心泵的设计具有良好的借鉴意义。     

大型构架式索网反射面天线机电集成设计

为了尽可能减少构架式索网反射面天线各模块间的缝隙对天线电性能的不利影响,以各模块中索网边界的垂跨比为设计变量,以天线电性能和索网力学性能为设计目标,建立双目标机电集成优化数学模型.采用加权系数法,将优化模型转化为单目标问题,利用粒子群算法对优化模型进行求解.以设计某7 m口径构架式天线为例,在保证索网力学性能的基础上,实现了天线电性能的最优化,证明了该机电集成设计方法的可行性与有效性.     

基于多目标拆分优化思维的拥塞网络数值调度方法

针对网络拥塞数值调度中存在的盲目性问题,提出了一种基于多目标拆分优化的网络拥塞数值调度方法.将拥塞网络的数值调度问题进行模型化表示,并将拥塞过程调度的最优问题分解为多个目标同时优化问题:即信道最优任务分配问题和路由拥塞调度问题.根据粒子群算法,对信道分配问题的最优解进行计算,同时设计约束模型并利用遗传算法求解拥塞调度问题,实现了在拥塞状态下的网络数值调度.结果表明,所提出算法获得的拥塞调度方案具有较好的可执行性.     

Optimal performance regions of an irreversible energy selective electron heat engine with double resonances

A theoretical model for irreversible double resonance ESE(energy selective electron) device with phonon induced bypass heat leakage which is operating as heat engine system is proposed. The thermodynamic performance is optimized and the impacts of heat leakage and structure parameters of the electron system on its performance are discussed in detail by using FTT(finite time thermodynamics). Moreover, performances of the ESE system with multiple optimization objective functions, including power output, thermal efficiency, ecological function and efficient power, are explored by numerical examples. New optimal performance regions and the selection plans of optimization objective functions of the ESE system are obtained. It reveals that the characteristic of power versus efficiency behave as loop-shaped curves in spite of the heat leakage which will always decrease the efficiency of the electron engine. By properly choosing the design parameters, the ESE engine can be designed to operate at optimal conditions according to different design purpose. The preferred design area should be located between the optimal effective power condition and the optimal ecological function condition.     

Extended Range Guided Munition Parameter Optimization Based on Genetic Algorithms

Many factors influencing range of extended range guided munition （ERGM） are analyzed. The definition domain of the most important three parameters are ascertained by preparatory mathematical simulation, the optimized mathematical model of ERGM maximum range with boundary conditions is created, and parameter optimization based on genetic algorithm （GA） is adopted. In the GA design, three-point crossover is used and the best chromosome is kept so that the convergence speed becomes rapid. Simulation result shows that GA is feasible, the result is good and it can be easy to attain global optimization solution, especially when the objective function is not the convex one for independent variables and it is a multi-parameter problem.     

一种高层次多电压功耗优化方法

提出了一种在时间与面积约束下,运用遗传算法同时进行操作调度和资源分配的高层次多电压功耗优化方法．对于时间和面积约束所导致的无效染色体,通过将约束优化问题转换成两个目标函数的极值问题,一个为原问题的目标函数,另一个为违反约束条件的程度函数,避免了约束条件对问题求解的影响．对于数据依赖所导致的无效染色体,采用基于数据依赖的单点杂交算子来解决．实验结果表明,该算法比不考虑无效染色体处理机制的简单遗传算法的多电压功耗优化方法的功耗优化能力提高10％,收敛速度提高15％．     

轮式车辆转向机构的遗传算法优化设计

在对车辆前轮转向机构进行运动分析的基础上,给出了参数优化设计的数学模型,提出了一种改进的遗传算法,并利用Matlab遗传算法工具箱对转向机构进行了优化设计,得到了满意的设计参数.讨论了遗传算法的一些关键技术:如改进的二进制编码方法.基于惩罚项的适应度计算,遗传算子的构造,以及遗传终止法则等.计算结果表明:与复合形法相比,遗传算法使目标函数值减少了6.6%,取得了较好的优化效果.从而更有利于减小转向车轮的滑移量和轮胎的磨损量,同时也验证了遗传算法解决多约束、多变量类型优化问题的可行性和优越性.     

纤维复合材料层合板的鲁棒设计研究

提出一种复合材料层合板的优化设计和鲁棒设计分析方法.首先,以铺设角和厚度作为设计变量,可靠度指标作为目标,利用遗传算法求解层合板的优化问题.在此基础上,考虑设计变量或影响参量的变差,提出鲁棒设计准则以及求解方法.数值算例显示,通过减小结构响应相对于设计变量或参量的敏感度,可以补偿由变差引起的设计结果的不稳定.