用于求解函数优化的蚁群算法设计

为了求解一般的函数优化，在标准蚁群算法的基础上，引入了遗传算法的编码方式，对蚁群算法的信息素更新进行改进。通过对几个经典测试函数的求解，证明了该算法的有效性。     

免疫进化算法在水位流量关系拟合中的应用

分析了传统水位流量关系曲线拟合过程中存在的问题,在此基础上应用免疫进化算法直接拟合水位流量关系曲线。通过实例的应用将该法与传统优化方法和遗传算法进行了比较。结果表明,免疫进化算法不仅参数设置简单,而且拟合结果明显好于其它方法。     

Г分布函数算法新解及其应用

从Г函数与不完全Г函数的恒等关系出发，导出了Г（α）与ｌｎГ（α）的精确解析式，并在文「１」的基础上导出Г分布函数新算法的精确解析式，把迄今Г（α），ｌｎГ（α）和Г分布函数的计算只能应用各种逼近的近似公式现状，提高到精确解析式的计算水平，并归纳为收敛的级数展式和连分式展式的数值计算，使其算法统一成为现实。     

Γ分布函数算法新解及其应用

从Γ函数与不完全Γ函数的恒等关系出发，导出了Γ(α)与lnΓ(α)的精确解析式，并在文[1]的基础上导出Γ分布函数新算法的精确解析式。把迄今Γ(α)、lnΓ(α)和Γ分布函数的计算只能应用各种逼近的近似公式现状，提高到精确解析式的计算水平，并归纳为收敛的级数展式和连分式展式的数值计算，使其算法统一成为现实。用新算法的通用数学模型设计的电算程序，对实际工程的计算和文[2～4]中的全部算例及文[5，6]中的有关数表进行了验证比较，结果表明新算法更为优越。     

采用EXCEL试算法进行混凝土徐变函数的拟合

徐变是混凝土在长期荷载作用下的变形性能之一,徐变函数的精确与否直接影响到混凝土结构应力和变形等计算结果的精度。采用幂指数函数进行徐变拟合,具有使用非常方便、拟合精度高的优点,而在工程界得以广泛的应用。但幂指数函数徐变表达式也存在着待定系数多、计算工作量大的不足。本文采用EXCEL进行列表试算,可较方便地求解拟合公式中的各系数,计算精度能够满足工程要求。     

免疫进化算法及其在水面曲线计算中的应用

１引言２０世纪６０年代以来，生物学的进化论被推广应用于工程领域，形成了一种新型的计算方法———进化算法．进化算法仿效生物学中的进化和遗传的过程，按“生存竞争，优胜劣汰”的原则，同时考察多个候选解，淘汰劣质解，鼓励发展优质解，逐步提高解群体的质量，从而逼近所研究问题的最优解．目前，进化算法作为一种具有自适应调节功能的寻优技术，已在众多领域内获得了成功的应用，着重用于解决结构性优化、非线性优化、并行计算等复杂问题．在求解问题时，其根本目标是追求群体收敛性，保证算法趋于全局最优．进化算法通常包括遗传算…     

基于免疫算法的配电网开关优化配置模型

给出了开关优化的数学模型及基于免疫算法的求解方法。分析了开关投资和运行维修费用、停电损失的计算方法，基于等年值法建立开关优化配置模型。该模型是一含约束、不可微、非连续的组合优化模型。基于免疫算法给出了模型的求解算法。通过模型计算确定开关的最优配置数量和位置，并得到系统的可靠性、投资费用和停电损失等。计算实例表明：提出的模型和算法有较强的工程实用性，免疫算法具有较好的全局收敛性和较快的收敛速度。     

基于免疫算法的水轮发电机组振动故障检测

故障诊断技术是水轮发电机组安全稳定运行的关键技术之一.针对水轮发电机组传统故障诊断方法诊断效率较低的问题,提出了一种基于免疫算法(Immune Algorithm,IA)的水轮发电机组故障诊断方法.对已采集好的水轮发电机组故障样本数据进行预处理构成故障类型编码,并设置算法的相关参数,在此基础上运用MATLAB开发的免疫...     

基于免疫蛙跳算法的小波神经网络的水稻需水量预测

为了避免传统小波神经网络采用基于负梯度方向的BP算法学习训练过程中存在收敛速度慢、易陷入局部最小的缺点,采用改进的免疫蛙跳算法对传统的小波神经网络中各个参数进行优化,提高小波神经网络模型的收敛速度和预测精度,提出了基于改进免疫蛙跳算法优化小波神经网络的预测模型,将该模型应用于水稻需水量的预测中,研究结果表明：该耦合模型优于传统的小波神经网络,对水稻需水量有良好的预测性能。     

电力系统NP难问题全局优化算法的研究

通过对现有的NP难问题求解方法的分析，结合非确定性图灵机理论，提出基于随机化技术的方法是求解NP难及NP完全问题惟一有效途径的猜想。在现有的随机化方法中具有多点搜索特性的遗传算法具有最强的全局搜索能力，其局部精细寻优能力差的缺陷应通过专门的局部优化算法来补偿，即利用具体问题的特点开发面向问题的遗传算法。提出了开发新的高效全局优化算法的指导思想：多点随机化全局搜索策略 面向问题的局部寻优算法=最有效的全局优化算法。     

基于Copula函数的东江博罗站年最大洪水联合分布研究

以东江博罗站1953—2013年长系列年最大洪峰流量及其峰现时间为基础,采用Von Mises函数拟合年最大洪水洪峰出现时间的分布特征,皮尔逊III型函数拟合年最大洪水洪峰流量的分布特征,采用Frank Copula函数构建了洪峰流量和峰现时间两变量的联合分布,分析了东江博罗站洪峰出现时间分布特性,年最大洪水事件联合重现期和条件重现期。结果表明:以Von Mises,皮尔逊III型及Frank Copula函数构建的联合分布函数均能较好拟合东江博罗站年最大洪水分布特征,可有效挖掘流域洪水信息,为流域防洪规划和风险管理提供参考。     

免疫算法及其在水电站中长期优化调度中的应用

在传统免疫算法的基础上，对记忆库结构部分进行了改进，同时增加了疫苗注射预处理，形成独特的二次应答免疫算法，并将其应用到水电站中长期优化调度的研究中。经过对紫坪铺水电站的优化计算，证实利用该算法优化所得的年收入比动态规划结果更优，耗费的运算时间也较少。     

免疫进化算法及其在暴雨强度公式参数优化中的应用

在研究现有进化算法的优越性与存在不足的基础上,受生物免疫原理的启发,提出了一种新的算法———免疫进化算法。免疫进化算法的核心在于充分利用最优个体的信息,在整个进化过程中,以父代最优个体为基础来产生子代群体,并以最优个体的收敛来代替群体的收敛;此外,算法的随机搜索是在确定方式的指导下完成的。相比于现有的进化算法,免疫进化算法提高了收敛速度,有效地克服了不成熟收敛,理论证明该算法是全局收敛的。最后,用免疫进化算法对暴雨强度公式参数进行了优化,并将其计算结果与传统方法和加速遗传算法的计算结果作了比较,结果表明:免疫进化算法的拟合效果最好。     

基于人工免疫系统小波网络的电力市场出清价预测

市场出清价具有非线性和多时间尺度的特性,而小波网络具有多分辨和非线性逼近的功能。为此,采用人工免疫系统优化小波网络各个参数,用优化后的小波网络来描述市场出清价的变化规律并对次日市场出清价进行预测。研究结果表明,人工免疫系统小波网络预测精度较高,具有广阔的应用前景。     

基于改进 RBF 神经网络的最大动剪切模量确定

采用径向基函数（ RBF ）神经网络的手段,直接建立最大动剪切模量G_max与孔隙比e、围压σ₃、固结比 k_c 这3个影响因素的非线性关系,避开了寻找G_max与各影响因素之间定量经验公式的繁琐工作。通过模式搜索法计算出径向基函数的扩展速度的最优值,使模型的预测误差最小。以福建标准砂为例,模式搜索法得出的扩展速度 SPREAD 最优值为2.287,RBF 网络预测的G_max平均相对误差为0.931 6%,误差很小,说明 RBF 神经网络能方便、有效地确定不同条件下的G_max,具有一定的推广利用价值。除了对G_max能够很好地预测外, RBF 网络对G -γ关系曲线也能很好地模拟。     

应用GA-BP神经网络预估砾类土的最大干密度

建立砾类土最大干密度预估模型,为控制砾类土工程填筑压实质量、选取满足工程压实性能要求的砾类土提供最大干密度预估参考。颗粒级配是决定砾类土最大干密度的关键因素,收集并整理得到92组砾类土数据,以全级配(d₁₀～d₁₀₀)作为BP(GA-BP)神经网络的输入变量,利用遗传算法优化BP神经网络的初始权值与阀值,构建基于BP神经网络和遗传算法的砾类土最大干密度预估模型,并与BP神经网络进行对比。86组训练样本预估结果的平均相对误差为0.54%,决定系数为0.983;6组检测样本预估结果的平均相对误差为0.57%,证明该网络模型泛化性能良好。采用GA-BP神经网络,由全级配能较好地预估砾类土最大干密度,收敛速度、预估精度及泛化性能均优于标准的BP神经网络模型。     

基于均生函数模型的香屯站年最高水位模拟与预测

对江西乐安河流域香屯站1956年-2005年年最高水位,采用均生函数方法,生成25个周期性基函数,利用SPSS软件进行逐步回归因子挑选,最终筛选出10个周期性基函数作为预测对象的影响因子,建立最优回归方程。结果表明：该模型对非极值的模拟和预测精度很高,对极值的模拟效果较其它模型有很大改善,但仍然是主要误差来源。     

考虑极限倾覆失效的混凝土坝整体稳定状况分析

主要失效模式的识别和确定是大坝安全分析中的重要内容,传统分析将正常使用极限状态和极限失效状态混合考虑。针对这一问题,以重力坝为例,将应力超限失效包含在极限倾覆失效状态中,由力矩平衡推导得到了极限倾覆失效的状态函数;同时,提出了相应状态函数中参数的确定方法和估算方法。以此为基础,建立了包含主要极限稳定失效状态的重力坝的通用系统失效模型。分析了某在役重力坝的整体稳定状况,结果表明对于坝基为软弱完整基岩的情形,应考虑基岩强度不足引起的重力坝-基岩系统极限倾覆整体失效模式。     

基于最大熵投影寻踪模型的云南省近10 a水资源承载力评价

为对云南省2006—2015年水资源承载力进行评价,从水资源、经济社会和生态系统3个方面提出水资源承载力评价指标体系和分级标准,并基于最大熵投影寻踪(MEPP)技术进行区域水资源承载力评价。采用在指标分级标准阈值间随机生成样本的方法构造MEPP目标函数,利用混合蛙跳算法(SFLA)优化MEPP最佳投影方向,提出SFLA-MEPP水资源承载力评价模型,并构建生物地理优化(BBO)算法-MEPP、和声搜索(HS)算法-MEPP和粒子群优化(PSO)算法-MEPP水资源承载力评价模型作对比模型。结果表明SFLA寻优MEPP目标函数获得的最优值、最劣值、平均值和标准差均优于BBO、HS和PSO算法,具有较好的全局极值寻优能力;SFLA-MEPP模型对云南省2006—2007年、2011—2012年水资源承载力评价为“基本可承载”,其他年份评价为“可承载”;2006—2015年间云南省水资源承载力随时间呈提升趋势,但提升趋势不显著;SFLA-MEPP模型对云南省水资源承载力评价结果与BBO-MEPP模型相同,但在排序上存在差异;与HS-MEPP,PSO-MEPP模型在评价结果及排序上均存在差异。