接触电阻建模新方法

根据接触电阻的特点与以往接触电阻计算方法存在的不足,运用结合模糊逻辑的智能计算方法对接触电阻进行计算.根据接触电阻与影响因素之间的关系进行试验,得到大量试验数据,将试验数据分成训练数据与测试数据两部分,训练数据用于训练模糊系统,测试数据用来测试模糊系统,检验其可靠性.通过训练数据运用梯度下降结合模拟退火算法训练模糊系统,建立接触电阻模型,运用回归分析对接触电阻进行计算.通过测试数据测试两种模型,基于模糊系统的模型优于回归分析,说明用梯度下降结合模拟退火算法训练模糊系统建立的接触电阻模型精确可靠.     

最小二乘优化模糊系统的接触电阻计算方法

根据接触电阻的特点,运用模糊系统对其进行计算。设计试验得到训练数据与测试数据,通过训练数据训练模糊系统,建立相应模型,训练算法为递推最小二乘结合禁忌搜索算法。通过回归分析建立相应模型。通过测试数据测试所建立的两种模型,并比较,接触电阻的模糊系统模型的测试结果优于回归分析,比较结果表明模糊系统适用于接触电阻的计算。     

模糊系统结合蚁群算法的金具温升建模

为了得到准确可靠的阀厅连接金具温升模型,运用模糊系统结合蚁群算法的方法进行建模。在分析基本蚁群算法与梯度下降法优缺点的基础上,将两种方法结合形成改进蚁群算法,即在基本蚁群算法基础上应用梯度下降算法。通过试验得到的训练数据分别用基本蚁群算法、梯度下降算法、改进蚁群算法训练模糊系统,改进蚁群算法的收敛效果优于其他两种方法;通过试验得到的测试数据对4种方法所得的模型进行测试,由改进蚁群算法训练模糊系统所得模型的测试效果是最好的。结果表明,若能通过试验得到足量训练数据,用改进蚁群算法训练模糊系统的方法对阀厅连接金具的温升进行建模是可行的。     

基于模糊系统的温升计算新方法

针对传统温升计算方法的缺陷,提出了结合模糊系统的温升计算新方法,运用新方法对阀厅金具温升进行计算.通过阀厅金具温升试验得到足量数据,将所有数据分成训练数据与测试数据,要求训练数据代表样本空间的主要特征.将基本粒子群算法与梯度下降算法结合,得到改进粒子群算法.利用训练数据训练模糊系统,所用算法依次为基本粒子群算法、梯度法、改进算法,改进算法的收敛效果最好.运用回归分析对相应温升进行计算.通过测试检测各模型可靠性,结果说明通过改进粒子群算法训练模糊系统计算温升是可行的.     

阀厅连接金具温升模糊预测策略

针对阀厅连接金具的温升问题,提出基于模糊系统的温升预测策略,并用此方法对连接金具的温升进行预测。通过阀厅连接金具温升试验得到训练与测试数据。利用训练数据通过梯度下降算法训练模糊系统,建立相应温升模型,然后用测试数据进行测试,检验模型可靠性,相对误差平均值为8.04%,测试结果合理。用回归分析对阀厅连接金具的温升进行预测,并与模糊系统进行比较,模糊系统预测的相对误差平均值比回归分析降低了5.56%。预测与比较结果说明,模糊系统在阀厅连接金具温升预测方面具有优势。     

模糊系统结合最小二乘的温升预测方法

针对金具温升过高现象,提出了新的温升预测方法。通过温升试验得到训练数据与测试数据,利用训练数据通过递推最小二乘结合遗传算法的方法对模糊系统进行训练,利用测试数据对训练后的模型进行检验,误差处于合理范围。训练与测试结果说明运用新方法预测金具温升是可行的。通过回归分析对金具温升进行预测,并与新方法进行比较,新方法的预测效果优于传统的回归模型,比较结果体现了新方法在温升预测方面的优势。     

遗传禁忌搜索算法收敛性和时间复杂度分析

遗传禁忌搜索算法多用于车辆路径优化、旅行商问题等,试验证明:融合遗传算法与禁忌搜索算法的混合算法相比单一算法的性能有较大提升,但缺少理论证明。本文阐述了遗传禁忌搜索算法的混合策略,从理论上对该算法的收敛性进行了证明,对时间复杂度进行了分析。应用马尔科夫链模型证明了遗传禁忌搜索算法是以概率1收敛到全局最优解的,并应用求解随机算法时间复杂度的方法,即求解算法的期望收敛时间,估算了该算法的时间复杂度,结果证明该算法的时间复杂度与所得解的多样性、问题规模以及遗传算法的种群数量有关。     

求解模糊Job Shop调度问题的改进禁忌搜索算法

目的提出一种改进的禁忌搜索算法，解决传统禁忌搜索算法优化效果对运行次数和初始解依赖的不足。提高这类问题的求解质量．方法根据模糊JobShop调度问题解的特征，提出基于关键工序的邻域选择方法，采用此邻域选择方法构造禁忌搜索算法。当无邻域时，重新产生初始解进行禁忌搜索．结果采用改进的禁忌搜索算法对以13个难的benchmarks问题经模糊化得到的实例进行求解。得到的平均满意度8个优于TSAB算法。得到的最优满意度5个优于TSAB算法、4个与TSAB算法相同．结论采用基于关键工序的邻域结构构造的改进TS算法具有较强的搜索能力．     

基于模糊推理规则的短期负荷预测

提出用于短期负荷预测的模糊系统（FS）。依据相关性将历史负荷分组,再用模糊系统来映射样本数据。FS采用梯度算法修正规则参数,使其输出与负荷数据很好地吻合,并能对未来负荷进行预测。     

基于自适应网络的量子模糊推理系统

基于ANFIS与量子BP神经网络(QBP)提出了一种基于自适应网络的量子模糊推理系统(ANQFIS)。不同于ANFIS,ANQFIS以量子门旋转的方式将模糊规则强度与QBP相结合,最后以量子态的测量概率作为输出,QBP的加入使得模型的输出准确率更高,且凭借量子计算的速度优越性提升了模型的计算速度。根据梯度下降法,给出了该系统中参数的学习算法。在仿真实验中,分别使用低维数据和高维数据作为数据集来训练模型,使用攻击算法生成对抗样本进行测试,结果表明ANQFIS在输出准确率、鲁棒性方面优于ANFIS与QBP。     

精车工件表面粗糙度预测系统的开发

开发精车丁件表面粗糙度预测系统．应用模糊自适应BP算法建立一件表面粗糙度与其影响因素之问的关系模型；依据给定的数据样本对模型进行训练，将训练好的网络用于实际的工件表面粗糙度预测；采用VB和MatLab语言相结合的方法开发系统．实现数据采集和神经网络预测功能．实验结果表明．利用该系统进行工件表面的粗糙度预测是切实可行的．     

混合采样与遗传算法相结合的垃圾网页检测

垃圾网页检测存在数据不平衡、特征空间维度较高的问题,为此,提出一种基于随机混合采样和遗传算法的集成分类算法.首先,使用随机混合采样技术,通过随机抽样,减少多数类样本数量,用少数类样本合成过采样技术方法生成少数类样本,获得多个平衡的训练数据子集;然后使用改进的遗传算法对训练数据集进行降维,得到多个具有最优特征的训练数据子集;使用极端梯度算法（XGBoost）作为分类器,训练多个平衡数据子集,用简单投票法对多个分类器进行集成,得到新的分类器;最后对测试集进行预测,得到最终预测结果.实验结果表明,提出算法的分类结果与XGBoost的结果相比,准确率提高了约19.25%,且减少了建立学习模型的时间,提高了分类性能,是一种较好的分类算法.     

混合遗传算法在旅行商问题中的应用

为了更优地解决旅行商问题，改进单纯用遗传算法求解旅行商问题的结果，本文通过遗传算法和禁忌搜索算法自身的特点，分别对二者的优势和不足进行分析，提出一种将二者混合使用的求解旅行商问题的算法．该算法以遗传算法为基础，用遗传算法作全局搜索，用禁忌搜索算法作局部搜索．同时，通过计算实例分析，将这种混合遗传算法用于旅行商问题的求解中．试验表明，混合遗传算法比较单纯的遗传算法的计算结果有一定的改进．     

小卫星测试数据在线时间序列判读方法

小卫星自动化测试是提高测试效率、缩短研制周期、降低研制成本和保证可靠性的重要手段,数据判读是测试系统的重要组成部分.传统测试数据判读多依赖于测试人员的手工比对,效率较低,难以适应于实时性较高的小卫星系统测试.针对这一问题,设计了小卫星测试系统方案和数据在线判读模型,建立了测试数据的时间序列模型,在此基础上完成数据预测算法设计和判读方法设计.最后利用飞轮和陀螺的测试数据对该方法进行了工程验证.结果表明,设计的数据预测算法和判读方法兼顾测试数据自身特点和实时性要求,能在较小的先验数据集上全面地检测出数据异常,从而显著提高测试的全面性和准确性.     

基于膜计算的VRPTW启发式算法研究

使用传统的启发式算法求解带时间窗的车辆路径问题(VRPTW)所得解的质量不高。本研究受计算机领域膜计算思想的启发,设计出了将蚁群系统和禁忌搜索算法有效结合的改进算法,即VRPTW-ECP系统。最后使用算例分析来验证算法有效性,实验结果表明,该算法在计算效率与结果质量上均优于其它启发式算法。     

基于ANFIS的混凝土空心砌块砌体抗压强度预测

为更准确地预测混凝土空心砌块砌体抗压强度,引入自适应神经模糊系统(ANFIS)建立了预估模型.以砌块强度和砂浆强度作为模型输入变量,砌体抗压强度作为模型输出变量值,构建模糊系统模型来描述它们之间的非线性关系.利用统计的国内56组试验数据对模型进行训练和测试,并将试验值与ANFIS模型预测值、现行规范计算模型预测值进行了对比.研究表明:ANFIS模型可以较好地表达抗压强度与其影响因素之间的非线性映射关系,且该模型的预测精度明显高于目前规范计算模型预测精度,可作为混凝土空心砌块砌体抗压强度预测的一种新方法.     

基于改进支持向量机算法的光伏发电功率预测

针对当前光伏发电间断性和随机性对电流影响较大的问题,基于改进支持向量机算法,提出光伏发电功率预测方法.通过灰色关联度优化气象影响因素参数,改进支持向量机算法,建立多气象因素协同约束的光伏电池等效模型,得到光伏电池的串联和并联电阻;将训练数据的总数映射到特征空间中,筛选数据并定义特征空间中的超平面,计算光伏发电的有效功率并降低误差.结果表明,预测结果与实际结果符合程度高,功率预测的绝对误差小,有效性和应用性得到验证.     

基于结合模拟退火算法的动态模糊神经网络的软件可靠性增长模型

利用模拟退火算法对动态模糊神经网络的自身参数进行动态调整(SAA-DFNN),并将其应用于软件可靠性增长模型(SRGM)的研究。用软件失效数据在对动态模糊神经网络进行训练的过程中,用模拟退火算法求得动态模糊神经网络自身参数的优化解,根据得到的参数建立基于动态模糊神经网络的软件失效数据预测模型。根据3组软件缺陷数据,将SAA-DFNN建立的SRGM与模糊神经网络(FNN)、BP神经网络(BPN)、G-O模型建立的SRGM的预测能力进行比较,仿真结果表明,根据SAA-DFNN建立的SRGM的单步向前预测能力稳定,预测误差小,并具有一定的通用性。     

禁忌搜索的单机总加权拖期最小化问题

总加权拖期最小化(SMTWT)的单机调度问题是一个NP难问题,特别是当问题规模较大时,其求解时间面临巨大的挑战。提出采用禁忌搜索(TS)算法进行求解。首先介绍了禁忌搜索算法的原理及影响其性能的关键因素,进而针对本问题设计了定制化的禁忌搜索算法。最后通过60组基准问题对算法的性能进行了测试。实验结果证明本算法可行且所得结果质量较高。     

求解车间调度问题的双禁忌表禁忌搜索算法

针对车间调度问题的特点,为解决传统禁忌搜索算法容易陷入局部最优解的问题,提出一种求解车间调度问题改进的禁忌搜索算法—双禁忌表禁忌搜索算法,该算法通过建立双禁忌表避免在搜索最优解时出现循环的现象.通过该算法与TSAB算法进行比较可知,该算法具有较强的寻优能力.