基于改进粒子群算法的野战油库选址优化

针对标准粒子群算法容易陷入局部最优,提出了改进粒子群算法;对粒子的自适应性和惯性权重进行改进,建立了野战油料选址模型;通过仿真,发现改进粒子群算法克服了标准粒子群算法容易陷入局部最优的问题,且寻优能力强,对部队的野战油库选址具有指导作用。     

基于遗传神经网络的伪装效能评估模型

在量化样本光学特征指标并划分伪装效能等级基础上,采用基于遗传算法的神经网络建立伪装效能评估模型.其步骤包括确定GA算子及相关参数,初始化网络连接权值和阈值向量,计算各个体适应度函数并将其排序,执行遗传操作,最后用神经网络进行二次训练.将样本光学特征指标量化值作为神经网络输入值,量化后的样本等级作为神经网络教师值进行评估.仿真表明该混合算法收敛速度快,能有效避免局部极值问题.     

基于遗传神经网络的机械振动信号预测

针对传统的BP神经网络学习算法存在易陷入局部极小及收敛速度慢等缺陷,文中提出了利用实数编码改进遗传算法对神经网络进行优化训练,并把训练好的神经网络用于对机械振动信号的预测, 并与传统BP算法以及改进BP算法预测结果进行比较,充分证实了文中方法的有效性.     

基于免疫优化算法的军用中心仓库选址

为了最大程度地降低军用中心仓库的综合成本,优化其选址位置,针对从众多的军用仓库选取最佳中心仓库的问题进行研究.在层次分析法的基础上提出综合成本的概念,并以最小综合成本为目标函数,利用免疫优化算法建立模型,利用Matlab软件确定实例中军用中心仓库的选址位置,并通过适应度曲线确定其适应度收敛情况.验证结果表明:该算法计算简单、效果好,能提供高效有力的物流保证,对军队的军用中心仓库选址具有较强的参考意义,具有极高的推广价值.     

基于GA-BP 神经网络战储仓库选址决策模型

针对各战略方向战储仓库选址决策问题,提出基于GA-BP 神经网络的战储仓库选址决策模型。通过分析 战储仓库选址的影响因素,构建战储库选址决策指标体系;基于BP 神经网络建立选址决策模型,运用遗传算法 (genetic algorithm,GA)对反向传播(back propagation,BP)神经网络的权值和阈值进行优化,并给出实例证明遗传 算法优化BP 神经网络,可提高选址决策的效率和精准度。结果表明,该研究可为科学开展战储仓库选址工作提供 思路和方法。     

基于GA-PSO的野战给水站选址优化模型

在野战给水工程保障中,不但要满足各用水单位,也要考虑到保障过程中产生的费用,尽量能够做到在完成给水工程保障任务的基础上使整个野战给水工程保障系统所消耗的总费用最小。针对该问题,运用GA-PSO算法研究了野战给水站的选址优化模型,实例验证充分说明了基于GA思想的混合PSO在收敛速度及跳出局部极值的能力诸方面明显优于标准的GA算法和PSO算法。     

基于改进GA优化的神经网络故障诊断方法

在改进遗传算法和BP算法的基础上提出了一种普适的遗传算法与神经网络结合的算法模型.探讨了用改进的遗传算法与BP算法相结合对神经网络权系数进行优化;并将其应用于交流电机故障识别.实践表明,该方法是一种行之有效的智能故障诊断新途径.     

基于量子遗传算法的军用道路纵断面优化设计

为实现军用道路纵断面变坡点里程和设计标高的同时优化,在分析传统纵断面优化设计方法的基础上,提出了一种基于量子遗传算法的纵断面优化设计方法,以工程量大小作为评价函数,建立了优化设计数学模型,并给出了详细的求解步骤,最后进行了实例仿真。实例仿真结果表明:与传统的遗传算法相比,本算法模型具有更好的全局寻优能力,能更快速地给出军用道路纵断面设计的初始优化方案,若在此基础上进行人工调整,优化效果更为明显。     

基于排序选择的改进遗传算法优化的神经网络控制

针对简单遗传算法（SGA）应用过程中存在的不易收敛、结果常常陷入局部最优、编码方式存在解码误差、收敛速度慢等缺点,提出了使用一种基于排序选择的改进遗传算法。用改进的遗传算法优化调整神经网络的权值。仿真研究表明,用此算法能够充分发挥其全局寻优的特点,且能够很好的弥补BP算法训练时间长,响应速度慢的不足。     

基于遗传算法优化BP神经网络的供暖系统热负荷预测模型

针对供暖系统热负荷短期预测问题,利用改进的遗传算法(genetic algorithm,GA)对BP神经网络(back propagation neural network)的初始权值和网络结构进行优化,并在遗传进化过程中采取保留最佳个体的方法。该方法克服了一般BP网络初始权值的随机性和网络结构训练过程中的所带来的网络震荡,以及一般BP网络容易陷入局部极小等问题。同时结合一般BP神经网络方法进行仿真实验和分析比较,结果表明:该方法具有全局寻优能力,预测精度高,绝对和相对误差较小,收敛速度快,能够有效针对供暖系统热负荷进行短期预测。     

基于BP神经网络和遗传算法的扫雷参数优化

针对扫雷作战仿真中的参数优化问题,论述了BP神经网络和遗传算法在扫雷参数优化中的应用。首先对某作战背景下的扫雷作战效能进行了详细分析,给出了雷区清扫率的计算方法;然后利用BP神经网络建立了扫雷参数与雷区清扫率之间的数学模型;最后通过遗传算法对扫雷参数进行优化研究。研究结果表明,该方法能够较精确地建立扫雷作战效能模型,并能快速搜索到最优扫雷参数组合条件。     

基于瞭望算法的军用立体仓库货位优化

针对军事仓储建设的迫切需求,提出一种基于瞭望算法的军用立体仓库货位优化方案。考虑军用物资收 发存储过程中在品种、效率、相容性、质量以及安全性能等方面与民品的差异,通过对多品种货位管理问题的分析, 选择出库效率和货架稳定性为目标函数,利用瞭望算法建立优化模型,设计相应的算法流程,得到货位优化方案。 通过算例验证了模型的有效性,演示了该建模方法在军事仓储管理工作中的应用前景。     

基于神经网络的多平台多目标位置数据融合

针对传统的直接加权融合算法的缺点,对多平台多目标位置数据融合进行研究。通过设计基于BP神经网络的统计加权算法,建立数据融合模型。并以2个观测平台为例,进行1分钟之内的目标航迹数据的仿真实验。结果表明,该算法是有效、可行的,且精度更高,能有效对融合中心获得的关于目标位置航迹信息进行关联融合处理。     

基于BP遗传算法的PID控制器参数设计

传统的PID控制器在控制系统中应用广泛，它的参数设计是一个广泛研究的课题。基于遗传算法的控制器虽能求取全局解，但是收敛速度慢，而基于神经网络的控制器结构简单、可塑性强，但是容易陷入局部解。文中结合两者优点，提出采用遗传算法的BP神经网络PID参数设计的方法，以达到整体优化的目的。     

基于网络层次分析的军事逆向物流中心选址方法

针对传统军事物流中心选址存在不足的问题,对基于网络层次分析的军事逆向物流中心选址方法进行研究。从军事逆向物流中心选址原则和选址影响因素2方面入手,建立军事逆向物流中心选址评价指标体系,构建网络层次分析图,对指标体系进行评价,并利用SD软件进行仿真验证,计算评价指标体系中各子项指标权重,得到各方案的优劣关系。验证结果表明:该方法能大大简化军事逆向物流中心选址的复杂性,使物流中心选址的决策更为科学、合理。     

基于量子遗传算法优化Hopfield 神经网络军事训练效果评价

新兵入伍训练是提升战斗力的基础,对新兵入伍训练成绩进行科学评价,将入伍训练19个指标作为评估因子,选取8个班平均训练成绩进行模糊聚类分析,按照得分情况制定了4个等级的划分方法,提出了一种基于量子遗传算法优化离散型Hopfield神经网络的评估模型,然后将待分级的4名士兵训练成绩进行Hopfield编码评估,并用实例对模型进行验证,为基层部队强化智能化军事训练方法手段提供了理论依据.     

基于遗传小波神经网络的GPS/SINS 组合导航系统算法

针对GPS/SINS组合导航系统在实际应用中遇到的问题,将小波神经网络的非线性预测算法与遗传算法结合,提出一种基于遗传小波神经网络预测的SINS误差反馈校正方法。对基于遗传算法的小波神经网络学习方法进行研究,并确定该神经网络的结构模型;当GPS信号有效时,根据GPS/SINS组合导航输入输出信号获取神经网络的训练样本,进行在线神经网络训练,得到最优的神经网络模型参数;当GPS信号中断时,根据已经训练好的神经网络模块预测出GPS信号失锁时SINS的位置误差、速度误差和姿态误差,并对SINS进行误差校正得到较为准确的导航参数。仿真实验结果证明,该算法可有效提高GPS观测数据不可靠时导航参数的精度。     

基于遗传BP神经网络的隐身涂层老化性能评价模型

为了计算涂层在自然环境中老化物理量值与环境因子的关系,设计出一种实数编码、算术交叉、高斯变异、爬山操作的遗传BP神经网络。根据环境因子计算涂层物理量值,采用Visual studio 2008进行编程,开发出程序进行神经网络训练和预测程序。用一个涂层野外老化数据的实例来进行网络训练和预测,结果表明,模型计算出涂层最终的寿命,与实际测量值相近,表明遗传神经网络模型可以很好地用于涂层寿命预测。为了计算涂层在自然环境中老化物理量值与环境因子的关系,设计出一种实数编码、算术交叉、高斯变异、爬山操作的遗传BP神经网络。根据环境因子计算涂层物理量值,采用Visual studio 2008进行编程,开发出程序进行神经网络训练和预测程序。用一个涂层野外老化数据的实例来进行网络训练和预测,结果表明,模型计算出涂层最终的寿命,与实际测量值相近,表明遗传神经网络模型可以很好地用于涂层寿命预测。