一种基于混合决策树的调度知识获取算法*

提出了一种基于混合决策树的调度知识获取算法。将模拟退火算法融入遗传算法中,作为一种具有自适应变概率的变异操作,构成一种混合优化方法。利用这种混合方法求解在不同调度目标下制造系统的最优特征子集,同时确定控制决策树规模的最优参数;使用决策树评价混合方法中染色体编码的适应度,在得到不同调度目标下的最优特征子集和最优决策树参数后,生成调度知识。仿真实验结果表明,该算法在性能上优于其他算法。     

求解QoS组播路由问题的满意优化方法*

通过分析目前QoS路由优化的一些关键问题,提出一种基于满意优化原理的QoS路由多目标满意优化求解模型,使之更适合解决QoS路由优化问题.仿真结果表明,该算法能极大地缩短路由求解时间,具有很强的适用性和灵活性.     

机动车辆装载问题的一种混合遗传算法实现*

针对货物装载地和运送目的地均已确定情况下的车辆装载问题,给出了基于遗传算法求解的数学模型,并对基本遗传算法的各个算子针对问题的特点提出了改进方法,同时引入启发式策略,形成了一种混合遗传算法.该算法的特点是各个算子都以提高算法收敛速度和解的最优性为目标,同时种群大小是动态变化的,以求在保证群体多样性的同时加快收敛速度.实验结果表明,该算法对求解此类问题是有效的.     

基于云遗传算法优化BP神经网络的轨道客流预测

城市轨道交通客流预测是线路规划和运营组织的基础, 为提高客流预测的准确度, 提出了基于云遗传算法优化BP神经网络的轨道客流预测模型。首先利用云模型云滴的随机性和稳定倾向性改进传统遗传算法中固定设置交叉和变异率的方式, 克服了标准遗传算法搜索速度慢及容易早熟的缺陷; 再通过改进后的遗 传算法来优化 BP 神经网络的初始权值和阈值; 最后结合重庆轨道交通3号线的客流数据进行实例分析, 结果表明, 基于云遗传算法优化的BP神经网络比传统BP神经网络的预测精度提升了5.95%, 达到了97.84%。     

利用遗传算法的阵列馈电多波束反射面天线设计

为有效降低卫星载荷的重量,同时保证卫星较高的通信容量,设计了阵列馈电单口径反射面多波束天线,利用262个馈源形成目标区域600个高增益点波束覆盖;提出了一种新的优化方法,即基于方向图特征提取的遗传算法.利用该方法,结合馈源复用技术,实现了600个点波束快速优化.仿真结果表明,采用本文方法能够有效降低单口面阵列馈电多波束天线方向图优化过程引入的人为误差,提高方向图优化效率.     

基于遗传算法的太阳能和天然气互补冷热电联供系统优化

冷热电联供系统将一次能源和可再生能源综合利用,在实现能源高效利用的同时,满足用户的冷热电需求.设计了一种耦合天然气和太阳能的冷热电联供系统,并对系统建立了数学模型,最后以北京某建筑为例,运用遗传算法,采用线性加权的方法对所设计的系统进行了系统配置和评价方法的优化分析.结果表明,当兼顾经济、能源及排放3方面的性能时,冷热电联供系统可取得最佳的系统性能.     

基于等流量法缩减空间策略的水电站调度方法

采用合理的调度方法可有效提高水电站发电效益。模拟方法容易获取可行解,但不能提供最优解;优化方法能够求得最优解,但往往因搜索空间过大而求解不理想。本文考虑两者特点,提出基于等流量法缩减空间策略的水电站调度方法,即利用等流量法模拟调度过程,缩减搜索空间,在缩减空间内利用优化方法求解模型。实例研究表明：该方法适合群智能算法求解水电站调度模型;在相同群智能算法和水电站调度模型下,缩减搜索空间后,多年平均发电量、保证出力提升显著,多年平均弃水量明显减少。此外,群智能算法在缩减空间内的收敛速度更快,标准差更小。因此,该方法能够有效提高群智能算法求解的优化程度、收敛速度和稳定性,可为水电站调度提供重要参考。     

城市社区尺度降雨径流快速模拟——以福州市一排水小区为例

随着城市化进程的不断加快,我国城市正面临着越来越严峻的洪涝问题。本文在社区尺度上构建雨洪管理模型（SWMM）,使用遗传算法率定SWMM模型参数;在对研究区降雨分析的基础上,采用模糊识别法筛选出最具代表性的两种雨型;基于不同的降雨情景与SWMM模拟值组成的数据集,建立长短期记忆神经网络（LSTM）模型模拟研究区降雨径流关系,并使用不同工况评估了LSTM模型效果。结果表明,LSTM模型对降雨径流的模拟与SWMM模型基本吻合,而其对洪峰流量的拟合略有偏差。在较小降雨下,LSTM模型模拟洪峰流量较SWMM输出结果偏小;在较大降雨下,模拟结果偏大;在中等降雨时,模拟效果最好。此外,50个隐含层单元的拟合效果更好,但同时更多的隐含层单元对洪峰流量拟合效果更好。     

采用RFR-GA算法的薄壁注塑件质量多目标优化

汽车内饰件可由注塑加工获得,但成型过程中塑件产生的翘曲、体积收缩较大,针对该问题,以某汽车薄壁注塑件为例,研究了其注塑工艺参数的优化方法。通过以注塑过程中的最小翘曲和最小体积收缩率为目标函数,以注塑温度、模具温度、注射压力、保压压力、保压时间以及冷却时间等参数作为设计变量,构建了多目标全局优化模型。利用Moldflow软件结合正交试验获得的试验结果训练随机森林回归模型,采用遗传算法对多目标模型进行全局寻优,获得最佳成型工艺参数,即对其成型缺陷进行了优化。结果表明,所提出的优化方法能够得到全局最优解,并同时优化了该汽车薄壁注塑件的翘曲和体积收缩率。将得到的最佳成型工艺参数进行Moldflow试验,可知翘曲和体积收缩率分别优化了74.6%和42.7%。将获得的最佳注塑成型工艺参数进行生产验证,结果表明生产出的薄壁汽车件成型质量较好,满足生产要求。     

基于量子遗传算法优化BP神经网络短期风功率预测

风力发电的不可控性,给电网带来了很多问题,所以当前迫切需要一种高精度的风力发电预测系统.对此,提出了一种结合量子遗传算法和BP神经网络的预测方法,通过量子遗传算法优化BP神经网络的权值和阈值.最后通过MATLAB试验仿真,验证了该方法可有效提高风功率的准确性.