神经网络设计二维带通三型FIR滤波器

为了改善传统方法设计的二维带通三型有限脉冲响应(FIR)滤波器的幅频响应性能，提出了复合正
弦基神经网络算法.以理想滤波器的幅度响应作为学习样本，通过复合正弦基神经网络训练，使得实际滤
波器的幅度响应逼近理想滤波器的幅度响应，再由神经网络的权值得到滤波器的脉冲响应.给出了复合余
弦基神经网络模型，建立了滤波器幅频响应与该神经网络的关系，同时指出了学习率对神经网络收敛性的
影响,推导并证明了使该算法收敛的收敛定理. 仿真结果表明，由该算法设计的二维带通三型FIR滤波器性
能接近于理想滤波器,并且克服了传统神经网络的主要缺陷，收敛速度快.     

水下机器人S面控制器的免疫遗传算法优化

S面控制器是实践证明有效的水下机器人的运动控制器算法,但参数调整困难.如何针对特定载体选取最佳的控制器参数,是影响到控制效果的重要问题.为了减少参数手工调整所带来的误差和繁琐劳动,提出了水下机器人S面控制器的免疫遗传优化算法.利用免疫算法产生多样性抗体的能力,抗体浓度自我调节,抗原的免疫记忆功能实现了S面控制器参数优化计算的快速收敛,避免了局部峰值的徘徊.给出了S面控制器的推导过程,免疫遗传算法求解的一般过程.详细论述了S面控制器参数免疫遗传优化的具体实现.大量的仿真实验和湖中实验得到了确定性的结果.表明了此算法对于水下机器人运动非线性控制器的参数寻优能达到很好的效果.     

一种低码率下简单有效的环路滤波方法

针对低码率编码情况下块效应严重的现象，提出一种环路滤波去除块效应的算法.该算法基于图像
特征在时域和频域对应的原理，利用变长码编码特点，在频域分析编码块的特性，自适应选择不同强度和
模式的滤波算法，从而保证滤波后图像的真实性.在滤波算法的设计过程中又选用了合适的参数，以进一
步降低滤波过程中增加的计算量.仿真结果表明，该算法提高了重构帧的峰值信噪比(PSNR)值和视觉效果
；同时作为参考帧的重构帧，其质量的提高能减少运动估计的运算开销，以抵消采用环路滤波而引入的计
算量，保证了编码过程的实时性.     

供水系统直接优化调度遗传算法求解模型研究

针对目前我国完全采用微观模型的方法难以满足供水系统优化调度的要求的现实，以测压点压力
宏观模型、水源供水量和水源供水水头之间的关系模型替代复杂的管网水力平衡方程，并以每一泵站每
时段应有水泵运行求得的出水量和管网求得的需水量相等的条件,建立了大型供水系统的多目标混合离散
变量的直接优化调度模型.利用遗传算法对直接优化调度模型进行求解，提出了对各种约束条件处理的方
法;针对遗传算法容易早熟等的不足，提出将遗传算法和模拟退火技术相结合，并采用自适应交叉和变异
率的解决方法.算例计算表明，该算法具有较强的适用性.     

基于免疫遗传算法的模糊神经网络在交流伺服系统中的应用

为了满足交流伺服系统高精度、快响应的要求，结合免疫遗传算法寻优速度快和模糊神经网
络控制不依赖于控制对象的优点，设计了一种基于免疫遗传算法优化的模糊神经网络控制的交流伺服系统
。采用免疫遗传算法优化模糊神经网络控制器中隶属函数的平均值、标准偏差以及隶属函数层与规划层的
连接权值。实验和仿真结果验证了该控制策略的可行性。该方法对于系统调节和设定值跟踪均具有很好的
控制效果，而且具有很好的抗干扰性能和较强的鲁棒性，使交流伺服系统具有良好的动、静态性能。     

电化学CO2浓缩过程分析

为达到准确预测电化学去极化CO2浓缩器（EDC）操作条件内性能的目的，进行了电化学CO2浓缩过
程分析.在EDC中许多物理、化学和电化学过程同时相互作用，这些过程可以用实验方法进行数学定义和表
征，从而用计算机计算出结果来预测EDC性能随所研究的操作参数的变化，假定该浓缩器沿空气流的方向
分割成几个子电池，并且每个子电池中的质量传递必须是垂直于电极方向的，此时采用不同的控制传递或
反应的机理将子电池分割成五个区进行表征，进而分别讨论每个区中的控制机理.为支持数学分析，实验
研究了电池对于空气入口CO2分压、电流密度、H2出口CO2质量分数变化的瞬时响应.该电化学CO2浓缩过程
分析能较好地解释实验结果，并证明了推断的反应机理.     

基于连续淘汰的快速自相似错误隐藏算法

为了减少自相似错误隐藏算法中搜索过程的计算复杂度，提出了一种基于连续淘汰的快速自相似错
误隐藏算法。该方法在已有自相似错误隐藏算法的基础上，利用域块和值块相邻像素之间的关系，对域块
的运动纹理特征进行分析以实现搜索过程中窗口尺寸的自动伸缩。利用连续淘汰方法，通过计算值块和域
块各自像素和的差与像素差的和，得到自相似块搜索过程中域块的最佳匹配值块间需要具备的必要条件，
通过比较直接淘汰掉搜索过程中不满足条件的值块。实验结果表明，该算法有效降低了自相似错误隐藏算
法的计算复杂度，恢复后的图像质量优于各种插值算法，并有效消除了错误传递现象。     

钠钙玻璃板激光热应力切割过程的有限元仿真

为了使脆性材料板的激光热应力切割得以完成并提高切割质量，提出了一种切割过程的仿真方法.
利用有限元法分析玻璃板在激光扫描过程中的瞬态热传导，求得瞬态温度场.按热弹性平面应力理论分析
热应力场，并采用最大切向应力准则和节点松弛法模拟板材的开裂.通过该仿真方法分析了钠钙玻璃板的
切割过程，根据所导致的温度最高值和板材的开裂情况，研究了激光功率和激光扫描速度这两个关键参数
对切割的影响，并给出了可完成连续切割的参数范围.仿真结果表明，该方法可以对激光功率和扫描速度
等激光参数进行优化调节，从而改善切割的质量.     

基于自适应GA-ANN的拉延筋阻力优化

以某汽车的侧壁板的拉深成形为例,研究了基于神经网络的拉延筋阻力(DBRF)的优化和拉延筋反向设计方法.以反映拉深成形效果的参数最大等效应力、最大等效应变和板厚最大减薄率作为神经网络的输入参数,记为:x1,x2,x3.以拉延过程中不同位置拉延筋的拉延阻力为输出参数,利用Dynaform进行有限元分析,为神经网络提供训练样本,利用训练好的神经网络模型对给定的成形性能指标进行计算,从而获得了优化的拉延筋阻力分布状态,表明根据等效拉延筋阻力的解析模型结合优化算法可以反求拉延筋几何参数.为了克服BP算法训练神经网络具有收敛速度慢和易于陷入局部最优的缺陷,采用遗传算法(GA)训练神经网络,以提高网络计算精度.针对简单遗传算法(SGA)采用固定交叉率和变异率在处理非线性问题时效果不好的缺陷,作者在进行遗传运算时采用自适应交叉率和变异率,组成自适应GA-ANN以提高训练算法的收敛速度和求解精度.有限元仿真实验证明,通过这种方法进行DBRF优化有利于提高板料的成形质量和稳定性,利用该方法获得的设计参数可以对实际设计起到重要的指导作用.     

超声检测中曲面重构和路径规划方法研究

针对自由形状曲面工件超声检测中存在探头难于对准曲面法线方向和检测效率低的问题，提出了
一种非等参数超声检测路径生成算法.对于CAD模型未知的曲面工件，首先采用超声波测距原理对工件进
行仿形测量，然后应用B样条方法重构工件的曲面模型，最后根据重构的CAD模型用非等参数算法生成检
测路径.该算法采用近似等弧长方法对参数曲面重新进行参数化，使曲面上各扫描点之间的弧长间距近似
相等.应用结果表明,与等参数超声检测轨迹生成法相比，使用非等参数方法生成的扫描点间距分布更合
理，在满足检测要求的情况下扫描点数明显减少.该算法能保证超声波入射方向和各扫描点曲面的法线方
向一致，提高曲面工件的检测精度和检测效率.     

天线辅助设计IGA方法

为了高效设计高性能的天线,将免疫遗传算法引入天线辅助设计领域.在传统遗传算法的基础上增加抗原识别、记忆功能和浓度调节,同时引入一种新型的混合编码技术简化天线结构描述及交叉、变异等遗传操作,实现天线结构的快速优化设计.仿真结果表明,相比传统遗传算法,在天线结构设计中应用免疫遗传算法,迭代次数明显减少,收敛速度提高50%～60%,算法执行效率显著提高,在频率为8.47GHz时设计所得天线的最大平均增益和最小平均增益分别提高119.91%和258.89%,性能优异.免疫遗传算法克服了遗传算法由于交叉搜索而在局部搜索解空间时效率较差的缺点,有效地避免了未成熟收敛的问题,收敛稳定且速度明显加快,体现了免疫遗传算法在天线辅助设计中的优异性和高效性.     

免疫遗传算法在结构损伤识别中的应用与改进

为了解决结构的多损伤识别问题,提出了基于免疫遗传算法和贝叶斯融合理论的二阶段识别方法.首先将结构的应变能和频率数据作为两种具有互补性质的信息源,通过采用贝叶斯融合理论来初步确定结构的损伤位置.然后通过免疫遗传算法来精确确定结构的损伤位置和程度.考虑到基本免疫遗传算法的搜索效率仍不太高,故提出了疫苗培养、以及双终止条件等改进策略.数值计算结果表明,论文提出的二阶段方法可以有效的识别出结构的损伤位置和程度,而所建议的改进免疫遗传算法明显优于基本免疫遗传算法和简单遗传算法.     

可迁移网格依赖任务重调度模型及算法

针对可迁移依赖任务的重调度问题,提出了基于约简DAG可迁移任务图的重调度模型,并基于免疫遗传算法实现了以提高应用性能为目标的求解算法.实验表明,与经典的动态调度算法Max Min和基于启发式的AHEFT静态算法相比较,由于调度目标的一致性,初始调度的性能在重调度过程中被较好地保持,并且由于任务迁移的支持和遗传算法在全局优化上的性能优势,应用性能得到较大提升;又由于任务图的约减过程和免疫因子对算法收敛的作用,提出的IGA算法效率得到显著改善,使资源动态性和异构性的适应能力得到进一步增强.     

现代物流信息管理中配送车辆路线优化研究

在分析车辆路线问题（VRP）现有启发式算法的基础上，提出了求解该问题的一种改进遗传算法（IGA）。该方法的核心在于针对遗传算法的局部搜索能力的不足，在选择、交叉、变异等遗传操作之后，引入逆转换位算子，根据适应度是否增加，对新产生的染色体进行多次逆转操作。模拟计算结果表明，该改进遗传算法明显增强了群体演化的质量，提高了算法收敛速度。     

免疫遗传算法在配电网重构中的应用

配电网具有闭环设计、开环运行的特点。本文提出免疫遗传算法的方法来解决配电网重构问题,以减小网损。配电网重构属于大规模、混合整型、非线性组合优化问题。免疫遗传算法在传统遗传算法的基础上,借鉴生物免疫机制中的抗体的多样性保持策略和记忆抗原的特点,大大提高了算法的全局搜索和局部搜索能力。该算法将遗传算法中的二进制编码改进为整、实数混合编码,提高了计算速度和精度,同时引入了疫苗接种概念,能有效抑制算法在进化过程中退化现象。实验表明,免疫遗传算法具有更好的全局收敛性,同时加快了计算速度。     

一种混合优化算法及其性能

结合遗传算法、粒子群优化算法和免疫算法提出了一种实数编码的混合优化算法(IG-PSOA),该方法利用非线性竞争择优的交叉操作和粒子群进化操作来提高算法的搜索效率,通过免疫选择和募集新成员操作保证种群的多样性,以避免早熟和局部收敛。从理论上分析了算法的收敛性和计算复杂度;用数值试验的方法分析了算法的鲁棒性和参数的取值范围。对7个测试函数的数值试验表明,该算法不仅提高了算法的全局搜索能力,提高了收敛的速度,而且提高了求解的质量和优化结果的可靠性,是一种有潜力的优化方法。     

基于数量化一类分析的IGA算法及应用

针对交互式遗传算法（IGA）中用户易疲劳的问题,引入数量化一类分析方法,从提高收敛速度和模拟人工评价两方面入手,改善IGA性能.采用均匀设计法确定遗传算法的初始种群,使得各基因单元类型在初始种群中均匀分布,从而提高遗传算法全局最优解的收敛性能;利用数量化一类分析,求取各基因单元类型对适应度评价的贡献权值,指导GA选择、交叉、变异等操作,以加速算法收敛;在GA操作后期,利用各基因单元类型对适应度评价的权值,模拟个体适应度的自动评价,降低用户疲劳度和提高效率.将该方法应用于动漫玩具形态造型中.结果表明,采用该方法可以有效地提高收敛速度和降低用户疲劳度.     

改进自适应遗传算法在函数优化中的应用研究

为了改善传统自适应遗传算法的收敛速度以及局部收敛问题,根据种群适应度的集中程度,以种群的最大适应度、最小适应度以及适应度平均值这3个变量为基础,设计了改进的自适应交叉概率和变异概率来调整整个种群的交叉概率和变异概率,提出了一种基于种群适应度集中程度的改进自适应遗传算法.将该算法应用于函数优化中,仿真结果验证了其具有"快速收敛"的特点,且在很大程度上可避免遗传算法的早熟现象.     

基于优育子群迁徙策略的多模态遗传算法研究

通过分析小生境遗传算法(NGA)的不足,提出了用于优化计算时多模态遗传算法的完全收敛性问题.结合传统梯度进化技术,设计了基于优育子群迁徙策略的遗传算法(MBGA),并分析了其运行机理和完全收敛特性.采用新算法与NGA进行了对比仿真实验,不仅验证了所提算法的完全收敛性结论,同时验证了其求解多模态问题的有效性、完全收敛能力及其收敛的稳定性.     

遗传算法在非线性系统辨识中的应用研究

系统辨识是控制系统设计的基础,对于非线性系统辨识,传统的辨识方法往往得不到全局优解,为此,提出了基于遗传算法的非线性系统辨识方法。遗传算法在解空间中多点寻优工作对象是参数编码集、不需要导数信息和其它辅助信息,用概率性规则指导搜索,国而具用强的鲁棒 和广泛的适应性。