望目特性连续型参数稳健设计遗传优化方法

针对一类可通过理论计算得到输出特性值的望目特性连续型参数稳健设计问题,提出了一种遗传进化方法。描述了研究的问题;提出了望目特性连续型参数稳健设计遗传进化方法的技术思路：以密集抽样取代离散化处理,以个体取代试验方案,以变化的种群取代固定的内表,通过遗传进化得到最优设计方案。提出并设计了一种望目特性连续型参数稳健设计遗传算法,阐述了算法的计算流程、个体编码、适应度、种群初始化、解码操作及遗传操作。通过案例分析验证了所提方法的有效性。     

考虑模型响应不确定性的稳健参数设计

针对模型响应不确定性的稳健参数设计问题,在高斯过程回归(Gaussian process regression,GPR)建模的框架下,结合贝叶斯超参数最大后验(Maximum a posteriori estimation,MAP)估计和多目标线性加权方法构建一个新的优化模型.首先,利用MAP方法获得最优超参数组合,构建高斯回归模型;然后,考虑响应不确定性与响应之间的交互效应,采用线性加权准则,构建多响应稳健优化模型;最后,利用聚类分析方法获得最优参数解.该方法考虑了输出响应不确定性对优化结果的影响,权衡了最优因子水平与多元质量特性之间的关系.结合实际案例和软件仿真对所提出方法进行实证研究,结果表明,该方法能够较好地兼顾输出响应的最优性和稳健性,从而实现稳健参数设计.     

基于稳健设计的SGNS算法的超参数调优方法

通常给定超参数的若干取值选取性能最大的为最优组合(称为直接选优法),但是此方法的稳健性差。为此,提出了一种基于稳健设计的超参数调优方法(称为稳健调优法)。具体地,以SGNS算法中的超参数调优为例,在词语推断任务上实验并得出:经方差分析得到SGNS算法中的七个超参数中的五个对算法预测性能有显著影响,确定为主控因子,其余两个确定为噪声因子,且主控因子中有三个对性能估计的方差有显著影响,因此,调优中仅从期望最大来直接选优是不合理的;稳健调优法与直接选优法两者在预测性能上没有显著差异,但稳健调优法对噪声因子具有较好的稳健性。稳健调优法对一般的深度神经网络的调参有实际的借鉴意义。     

基于遗传算法的多响应优化方法研究

满意度函数法应用优化算法对总体满意度函数最大化求解,获得最佳因子组合。然而,满意度函数有时不可微,随因子、响应个数的增加,问题变复杂时,传统的优化算法可能获得局部最优解。提出一种基于遗传算法的满意度多响应优化方法。实例验证了该方法的有效性。     

多群体遗传算法动态调整区间的参数优化方法

针对参数初始区间不能准确定义的参数优化问题,提出一种多群体遗传算法动态调整区间的参数优化方法。该方法采用多群体遗传算法,设计差分变异和均匀变异相结合的变异算子,进行区间外探索和区间内开发,并设计参数区间动态调整的策略,从而实现降低对参数初始取值区间准确性的要求,同时大大提高了算法的求解精度和求解速度。利用标准函数集验证了该算法的正确及有效性。     

基于多目标自适应遗传算法的逻辑电路门级进化方法

提出一种改进的遗传算法,通过网表级编码、多目标评估和遗传参数自适应等措施,可依据多个设计目标,以较少的运算量自动生成和优化逻辑电路．在数字乘法器、偶校验器等进化设计实验中,通过比手工设计和同类方法更优的新奇设计结果展示了该方法的有效性和先进性．     

基于DNA遗传算法的CR多载波参数优化

提出了一种基于DNA计算的非支配排序多目标遗传算法(DNA-GA)来对CR多载波传输参数进行优化。该算法通过非支配排序计算个体适应度,结合克隆操作使算法收敛于全局最优,并引入DNA基因级操作,以提高算法的搜索性能,保持种群的多样性。通过在不同服务需求情况下得到的仿真参数结果,证明了DNA-GA可以有效地优化CR传输参数。     

一种基于多物种协同进化的神经网络优化方法

论文在阐明了遗传算法和神经网络结合的必要性之后,分析了一般遗传算法在神经网络结构优化过程中存在的不足,并根据多物种之间相互竞争和相互适应的机理提出了一种基于多物种协同进化的优化方法。该方法既可以有效地避免神经网络结构寻优过程中解搜索空间过大以及进化规则复杂等问题,还可以起到对网络的结构和权值同时进化的作用。仿真实验表明该方法是可行并且有效的。     

基于梯度遗传算法的压电换能器稳健优化设计

悬臂梁式压电振动换能器是一种新型的供电装置,其设计受到加工过程等不确定因素影响。从遗传算法和田口稳健设计的理论方法出发,结合悬臂梁式压电振动换能器的理论模型,设计了以输出平均功率为优化目标的稳健优化设计方案。利用目标函数的梯度信息加速遗传算法的收敛,以遗传算法产生的每一代种群的最优个体作为内表中的一组数据,利用外正交表计算优化目标的信噪比,对优化目标信噪比进行对比分析,得到一组最优设计参数。将该组数据对应的换能器与其它优化方法得到参数对应的换能器性能进行对比,表明该组参数下,换能器有较好的工作特性。     

基于均匀设计的支持向量机参数优化方法

在实际应用中,支持向量机的性能依赖于参数的选择。针对支持向量机的参数选择问题进行了研究和分析,提出了基于均匀设计的支持向量机参数优化方法。与基于网格搜索、粒子群算法、遗传算法等支持向量机参数优化方法进行了比较与分析,采用多个不同规模的标准的分类数据集进行测试,比较了四种方法的分类正确率和运行时间。仿真实验表明,四种方法都能找到最优参数,使支持向量机的分类正确率接近或超过分类数据集的理论精度,本文方法具有寻参时间短的特点。     

Using N-D method to solve multi-response problem in Taguchi

Using Taguchi method to achieve a robust experimental design in the study of product quality is an important issue. The Taguchi method is to seek the best factors/levels combination with lowest societal cost solution to achieve customers requirements. However, the Taguchi method can only be used to optimize the single-response problem; it cannot be used to optimize the multi-response problem. This paper submits an optimal procedure, N-D method (Artificial Neural Network and Data Envelopment Analysis), by using artificial neural networks (ANNs) and data envelopment analysis (DEA) to achieve the optimization of multi-response problem. Two case studies in Su and Tong (1997) and Tong and Su (1997) are resolved by the proposed N-D method. The result deriving from the proposed N-D method indicates that it offers an efficient and feasible solution in the multi-response problems.This revised version was published in June 2005 with corrected page numbers.     

一种基于小生境遗传算法的迟滞非线性系统参数识别方法

工程中存在着大量的具有迟滞非线性恢复力的结构与构件,但迟滞非线性系统既是非线性的,又是非解析的,造成其参数识别十分困难,阻碍了迟滞非线性模型在工程中的应用．本文提出了一种基于小生境遗传算法的迟滞非线性系统参数识别方法,该方法在遗传算法中引入了新的参数——个体活动半径．利用本算法对一木结构剪力墙的BW模型参数进行识别,识别结果误差较小,验证了算法的有效性。     

基于多种群进化小生境遗传算法的神经网络进化设计方法研究

针对神经网络进化设计问题中棋型解基因编码与棋型解空间的特点，提出了多种群进化小生境遗传算法。该神经网络进化楚棋方法设计简单、通用，棋型性能评价全面合理，全局搜索效率高，电力负荷预测支持系统的实际应用效果表明此方法是有效的，具有一定的应用推广价值。     

基于多目标遗传算法的LoRa参数匹配优化

从工程应用角度出发,需要LoRa无线传输系统兼备系统功耗低、传输距离短、系统稳定性好的特点,优化设计匹配参数是提高LoRa传输性能的重要途径。以LoRa无线通信的能耗最低、最远传输距离最大以及系统的鲁棒性最强为优化目标,以SF、BW、CR等参数的有效取值为约束条件,采用线性加权的方法将多目标优化问题转换为单目标问题,求出最优解。仿真和实际测试结果表明,遗传算法应用于LoRa的参数匹配具有可行性和有效性。     

不确定区域下基于自适应并行遗传的最优鲁棒控制器

目前使用遗传算法设计鲁棒控制器时, 都要人为地给定变量搜索空间. 当变量区域不确定时, 采用自适应并行遗传算法设计出最优鲁棒控制器, 该方法根据当前搜索到的各种群最优个体的分布情况, 运用概率统计理论求出变量区域的最小方差无偏估计, 不断缩小不确定的变量搜索区域, 从而逐步达到最优, 并且考虑了种群个体适应度对算法中交叉概率和变异概率的影响. 该方法能设计出简单正则、阶数低的最优鲁棒控制器, 而且仿真结果表明, 这些控制器有效地避免了局部最优, 提高了算法的寻优精度和收敛速度.     

Applying genetic programming and ant colony optimisation to improve the geometric design of a reflector

The lighting performance of an LED (light-emitting diode) flash is significantly influenced by the geometric form of a reflector. Previously, design engineers have usually determined the geometric design of a reflector according to the principles of optics and their own experience. Some real reflectors have then been created to verify the feasibility and performance of a certain geometric design. This, however, is a costly and time-consuming procedure. Furthermore, the geometric design of a reflector cannot be proven to be actually optimal. This study proposes a systematic approach based on genetic programming (GP) and ant colony optimisation (ACO), called the GP–ACO procedure, to improve the geometric design of a reflector. A case study is used to demonstrate the feasibility and effectiveness of the proposed optimisation procedure. The results show that all the crucial quality characteristics of an LED flash fulfil the required specifications; thus, the optimal geometric parameter settings of the reflector obtained can be directly applied to mass production. Consequently, the proposed GP–ACO procedure can be considered an effective method for resolving general multi-response parameter design problems.     

基于遗传算法的三维植物进化模拟

虚拟自然景物技术发展到今天,构造虚拟植物的模型已经很多,但多数都侧重于图形学方面,主要研究对象在某一时刻的形态。受达尔文生物进化论思想启发,借鉴生物界自然选择和进化机制,从植物种群着手,以进化过程为研究对象,为实现计算机对植物进化过程模拟,提出了一种基于遗传算法和L-系统的植物进化模型。该模型无论对于计算机虚拟现实还是植物学研究都具有较高的实用价值。     

基于遗传算法的创新建筑构件概念设计

通过分析建筑构件的特点,提出使用遗传算法对建筑构件的概念设计进行约束和控制。对原有的遗传算法做了改进,在适应度函数构建方面增加了对称度、均匀度和平滑度的度量。实验结果表明,该算法能够增强建筑构件概念设计的创新性。