球杆系统自适应遗传PID控制

遗传算法全局寻优参数,但训练时间较长;PID控制算法简单,却难以控制非线性复杂过程.将自适应遗传算法和PID相结合,可有效地改善控制效果.通过建立球杆系统机械部分模型、角度模型和电机模型,得到整个球杆系统的数学模型;设计基于遗传算法的自适应PID控制器,通过在线整定控制器参数,提高球杆系统的控制性能.仿真实验结果证明了该算法的控制效果良好,适应能力较强,具有算法简单、参数整定容易等优点.     

基于Hadoop平台的分布式SVM参数寻优

参数的选择对算法分类与预测的正确率有直接影响。在参数选择中全局网格搜索有着计算可靠、简单、优化效果明显的优势,适合应用于可靠性要求高的工程运算,如在复杂系统的故障诊断中对故障模式识别算法进行参数寻优等。但是,全局网格搜索在寻优过程中耗时过长,仍然是一个制约其使用的问题,尤其对于实时性要求较高的系统。以支持向量机的参数全局寻优问题为例,针对网格搜索寻优时间长的缺点,利用Hadoop平台进行分布式参数寻优,借助HDFS将参数自动划分到计算节点上,并运用MapReduce计算框架建立分布式参数寻优模型,完成模型训练预测及参数优化。实验结果表明,在不降低算法性能的前提下提高了寻优效率。     

融合改进遗传和人工蜂群的SVM参数优化算法

针对遗传算法不能充分利用系统中的反馈信息,易陷入“早熟”,以及人工蜂群算法在搜索初期寻优速度慢的问题,将改进的遗传算法与人工蜂群算法融合,实现二者互补,并将由支持向量机训练得到的测试集分类准确率作为算法的适应度函数,提出遗传-人工蜂群算法（G-ABCA）,以实现对支持向量机参数的优化选择。通过仿真实验,将其在支持向量机参数寻优中的性能与改进的遗传算法、人工蜂群算法进行比较,实验结果表明：遗传-人工蜂群算法有效地提高了支持向量机的分类准确率,而且算法是逐步收敛的,其表现优于其他算法。     

LS-SVM时间序列预测 ——免疫文化基因算法进行LS-SVM参数选优

针对最小二乘支持向量机（LS-SVM）在时间序列预测中的参数不确定问题,在训练阶段,使用结合了全局搜索和局部搜索的免疫文化基因算法来进行参数寻优。实验中通过对Lorenz时间序列和建筑能耗的两组预测实验,对比了免疫文化基因算法、遗传算法和网格搜索算法对LS-SVM参数的优化效果,证明了免疫文化基因算法的优化效果最好,且LS-SVM的预测精度比支持向量机（SVM）和BP网络预测都要高。     

一种基于自适应遗传算法的神经网络学习算法

结合遗传算法与梯度下降法优点,提出了一种训练神经网络权值的混合优化算法,同时能够优化网络的结构.首先利用全局搜索能力可靠的遗传算法,采用递阶编码方案和自适应变异概率,同时优化网络的权值和结构,在进化结束时,能够寻到全局最优点附近的点.在遗传算法搜索结果的基础上,利用局部寻优能力较强的梯度下降法,从此点出发,进行局部搜索,最终达到网络的训练目标.与单一的遗传算法或者梯度下降法比较而言,混合优化算法的收敛速度明显提高.     

一种基于自适应遗传算法的神经网络学习算法

结合遗传算法与梯度下降法优点,提出了一种训练神经网络权值的混合优化算法,同时能够优化网络的结构。首先利用全局搜索能力可靠的遗传算法,采用递阶编码方案和自适应变异概率,同时优化网络的权值和结构,在进化结束时,能够寻到全局最优点附近的点。在遗传算法搜索结果的基础上,利用局部寻优能力较强的梯度下降法,从此点出发,进行局部搜索,最终达到网络的训练目标。与单一的遗传算法或者梯度下降法比较而言,混合优化算法的收敛速度明显提高。     

国画特征提取及SVM分类的应用

为了提高国画检索效率,应用SVM算法对鞍马画、花鸟画、人物画、竹子画和山水画等国画进行分类。首先通过对收集的国画样本进行预处理;其次,利用人眼对颜色的划分特点,把RGB模式图像转化为HSV模式,对其H、S、V分量进行非等间隔量化,组成一维特征向量,同时结合惯性比形成图像颜色特征信息,使用灰度共生矩阵算法获取纹理特征信息;最后,通过对比网格搜索、遗传算法（GA）、粒子群算法（PSO）的参数寻优方法,应用网格搜索法对国画图像进行分类,并对比了BP神经网络和判别分析算法的分类效果,SVM的正确率高达97%以上,试验结果表明SVM在国画分类应用是有效和可行的。     

国画特征提取及SVM分类的应用

为了提高国画检索效率,应用SVM算法对鞍马画、花鸟画、人物画、竹子画和山水画等国画进行分类。首先通过对收集的国画样本进行预处理;其次,利用人眼对颜色的划分特点,把RGB模式图像转化为HSV模式,对其H、S、V分量进行非等间隔量化,组成一维特征向量,同时结合惯性比形成图像颜色特征信息,使用灰度共生矩阵算法获取纹理特征信息;最后,通过对比网格搜索、遗传算法(GA)、粒子群算法(PSO)的参数寻优方法,应用网格搜索法对国画图像进行分类,并对比了BP神经网络和判别分析算法的分类效果,SVM的正确率高达97%以上,试验结果表明SVM在国画分类应用是有效和可行的。     

基于在线自适应遗传算法的PID参数整定和优化

研究自动控制系统优化问题,控制系统响应特性取决于系统参数的调整.针对传统的PID控制算法参数较多,且难以整定,使得控制效果不理想等问题,提出了自适应遗传算法的PID参数整定.根据遗传算法具有在线性差的问题,对遗传算法作了改进.通过自适应遗传算法对PID参数进行整定与寻优,选择自适应度大的个体所对应的PID控制参数作为采样时间下的PID控制参数.改进后的算法有效提高了遗传算法的寻优能力,提高了算法的收敛的速度,在一定的范围可以求得最优全局解.在MATLAB上仿真结果表明,在PID参数的寻优过程中,自适应遗传算法具有更强的寻优能力,提高了控制系统的自适应性,为优化控制系统设计提供了依据.     

基于遗传算法和小波神经网络的语音识别研究

小波神经网络算法(WNN)易陷入局部极小,收敛速度慢,全局搜索能力弱,而遗传算法(GA)具有高度并行、随机、自适应搜索性能和全局寻优的特点。因此,将遗传算法和小波神经网络结合起来形成一种训练神经网络的混合算法——GA-WNN算法。仿真实验结果表明,该算法有效地缩短了识别时间,提高了网络训练速度和语音的识别率。