基于聚类分析和可视化的增强遗传算法—II. 算例分析及有效性验证

通过比较K平均算法与聚类约束映射(CCM)的聚类结果,表明了CCM在降维过程中保持拓扑信息的有效性. 应用前文提出的增强遗传算法(IGA)对3个有约束优化算例进行了求解. 结果表明,这种可视化、聚类分析与遗传算法相结合的方法可以帮助用户参与选择聚类参数,比以往一些方法更有效.     

基于聚类分析和可视化的增强遗传算法-I. 算法的引出、原理与分析

提出了一种基于数据可视化的聚类分析法(Cluster Constrained Mapping, CCM)和人机结合的增强遗传算法，可保证进化过程在可行域中进行，不需要任何惩罚函数参数，可有效地进行带约束问题的优化.     

基于聚类分析和可视化的增强遗传算法—I.算法的引出、原理与分析

提出了一种基于数据可视化的聚类分析法(ClusterConstrainedMapping,CCM)和人机结合的增强遗传算法,可保证进化过程在可行域中进行,不需要任何惩罚函数参数,可有效地进行带约束问题的优化.     

新型2-烷氧基-4(3-H)-喹唑啉酮类杀菌剂的QSAR研究

采用Cerius2软件中的主成分分析法和Var.Jarvis-Patrick聚类方法对新型2-烷氧基-4(3H)-喹唑啉酮类化合物进行分类,然后用遗传算法(GFA)建立杀菌活性与优选的分子结构描述符之间的构效关系(QSAR)模型,所建模型均通过显著性检验,交叉验证系数(CV-r2)最大达0.996,具有良好的预测可靠性.结果表明:分子空间性质、给电子能力的大小和热力学性质等是影响活性的主要因素,并用所建最优模型预测了5个经典生物电子等排取代物的杀菌活性.该研究可为新型杀菌剂先导化合物的设计与合成提供理论指导.     

一种改进的遗传算法在原油蒸馏过程优化中的应用

在群体遗传结构及规律的基础，提出了一种改进的的遗传算法－－基于域进化模型的遗传算法。该算法模拟自然界中生物多子群的进化结构，定义三种新的算子－迁徒、正聚类和反聚类来描述子群间个体的随机或非随机移动，以此来改善遗传算法的性能，同时，通过引入模糊环境因子来设置各子群环境状况，并确定遗传算法的控制参数，以区分不同子群的遗传规律。针对多峰函数优化问题的仿真实验表明该算法具有较强的寻求全局最优化优点及避免过     

基于仿射传播聚类子集主元分析的间歇过程监测方法

针对间歇过程固有的多阶段特性,也为了克服传统阶段划分方法严格按照物理时刻顺序将采样点硬性分割而不能使其寻找数据特征最为相近的聚类中心的严重缺陷,提出基于仿射传播聚类(AP)的子集多向主元分析(subset-MPCA)监测新方法:采用全新的乱序聚类思想,将时间片矩阵打乱用AP进行无约束乱序聚类,使样本突破时间顺序的约束自由找寻与其特征最为相近的聚类中心,获得聚类子集,建立精确的子集MPCA监控模型。在线监控时,引入信息度传递实现实时采样点的阶段归属判断,解决阶段不等长批次的最佳模型选择问题。对青霉素仿真数据的实验表明,该方法较传统方法可有效降低故障的漏报和误报,有着更加可靠的监控性能。     

基于仿射传播聚类子集主元分析的间歇过程监测方法

针对间歇过程固有的多阶段特性,也为了克服传统阶段划分方法严格按照物理时刻顺序将采样点硬性分割而不能使其寻找数据特征最为相近的聚类中心的严重缺陷,提出基于仿射传播聚类(AP)的子集多向主元分析(subset-MPCA)监测新方法:采用全新的乱序聚类思想,将时间片矩阵打乱用AP进行无约束乱序聚类,使样本突破时间顺序的约束自由找寻与其特征最为相近的聚类中心,获得聚类子集,建立精确的子集MPCA监控模型。在线监控时,引入信息度传递实现实时采样点的阶段归属判断,解决阶段不等长批次的最佳模型选择问题。对青霉素仿真数据的实验表明,该方法较传统方法可有效降低故障的漏报和误报,有着更加可靠的监控性能。     

约束优化问题的改进混合遗传算法

提出了罚函数与修复的混合策略,改进了罚函数,给出了种群早熟度评价指标,对遗传算法的交叉算子进行了改进,解决了单一使用罚函数方法求约束优化问题所遇到的困难,方便了遗传算法在约束优化问题中的应用,提高了遗传算法在机械及工程中应用的适应性。数值实验证明,该方法比传统的遗传算法处理约束优化问题效率高。     

一种多目标最优资源聚类的网格调度算法

网格计算应用主要针对大规模计算任务,任务调度时为了提高寻找效率,设计了一种多目标最优资源聚类调度方法 MORC(task scheduling algorithm based on multiple-objective optimal resource clustering),利用超图理论构建模型,用遗传算法将多目标转化为单目标,对资源进行聚类预处理;任务调度时以最小执行时间为主要目标,并兼顾资源负载均衡。该方法不但可以有效均衡资源负载,还能够缩短任务与资源的匹配时间,使任务调度的性能大幅度提高。     

基于多动态核聚类的间歇过程在线监控

针对传统的多元统计监测方法不能有效检测工业过程中由于初始条件波动较大所引发的弱故障问题,提出一种基于多动态核聚类的核主元分析(DKCPCA)监控策略,实现多阶段间歇过程的弱故障在线监控.该方法首先针对过程中各阶段每一批次数据结合自回归移动平均时间序列模型(ARMAX)和核主成分分析(KPCA)方法分别建立动态核PCA模型,然后根据各批次模型间载荷的相似性采用分层次聚类方法进行聚类,最后将聚在一起的批次数据进行展开重新再建立动态核PCA模型,随着聚类数目的不同从而建立多个类模型.当在线应用时给出了多模型选择策略,以提高监测精度.将此方法应用于青霉素发酵过程的监控中,监测结果表明此方法取得了比DKPCA和MKPCA更好的监测性能.     

基于启发式知识和自适用遗传算法的复合材料铺层优化设计

一般针对复合材料层合板铺层优化设计的研究多侧重于算法的研究,没有考虑到铺层知识对铺层的约束.本文建立了基于启发式知识和自适应遗传算法的复合材料层合板铺层优化模型,采用带置信度的IF-THEN模糊表达方式表达层合板铺层启发式知识,以蔡-希尔(Tsai-Hill)强度准则建立自适用遗传算法的适应度函数,在原有约束的基础上增加了铺层启发式知识约束.算例应用上述模型求解层合板的最佳铺层顺序,并将该结果和没有应用铺层知识约束的优化结果进行比较,证明了该模型的优越性和实用性.     

BCLCP聚类算法及其在批过程控制中的研究

针对传统的K-均值、FCM和PCA等聚类算法的缺陷,提出了一种连续更新的过聚类和合并相结合的竞争学习(BCLCP)的聚类算法.该算法依据OPTOC的原则,构建原型点的动态邻接区域和动态背离区域,通过自分裂和聚合的策略,识别数据集中的天然聚类并给出聚类的数目.采用该算法对批过程中的历史数据进行分析,原型点的特征与对应的质量等级相符,有效地预测了该批次产品的质量,为后续批次的决策提供依据.     

基于引力的网格聚类算法

数据挖掘中的聚类在各行各业都有广泛应用,本文提出了基于网格的万有引力聚类算法(GGBCA),通过网格聚类(GBCA)的思想生成一系列的高密度网格,然后对高密度网格进行万有引力聚类,该算法考虑了类的大小对聚类结果的影响,提高了聚类效果。     

基于差分拉曼光谱对一次性塑料杯盖的分类研究

差分拉曼光谱是目前较为常用的检验方法之一,本文对计算机分类识别技术在案件现场常见一次性塑料杯盖的应用进行实验,获取了样本的差分拉曼光谱.根据谱图可将样本分为3类:聚丙烯(PP)、聚苯乙烯(PS)和聚对苯二甲酸乙二醇酯(PET),对比分析其中官能团峰位,再利用Calinski?Harabasz评价指标优选最佳聚类数为5类...     

模糊核聚类在优化模糊控制隶属函数中的应用

针对模糊控制器隶属函数的设计与优化缺乏自学习能力的缺点,将模糊核聚类算法与TrustRegion(信赖域)方法结合起来。首先利用模糊核聚类算法对模糊控制输入、输出样本集进行聚类,然后用Trust-Region最优化方法对聚类结果进行曲线拟合,实现了模糊控制输入、输出空间的划分、隶属函数类型的确定和参数的优化。在Matlab中的仿真结果表明:模糊控制器经过笔者提出的算法优化后控制品质有较大的改善和提高。     

调聚法生产低分子量聚四氟乙烯

本文论述了以卤代甲烷类作为分子量词节剂，通过四氟乙烯(TFE)的调聚作用生产低分子量PTFE的工艺过程，给出了工艺配方，最佳控制条件，并详细介绍了词聚分散液的后处理方法。     

阳离子聚丙烯酰胺类絮凝剂的合成及应用进展

本文介绍近年来阳离子聚丙烯酰胺类絮凝剂(CPAM)的合成方法及应用状况，并分析了其发展前景，提出了今后的研究重点。     

聚合物电解质的研究进展

介绍了聚合物电解质的优缺点,发展简史和分类;并对聚环氧乙烷类(PEO)、聚甲基丙烯酸甲酯类(PMMA)、聚丙烯腈类(PAN)和聚偏氟乙烯-六氟丙烯类(PVDF-HFP)聚合物电解质的研究进展进行了介绍。     

苯乙烯—丙烯酸（酯）类聚合物的开发

(甲基)丙烯酸及其酯类除可与环氧树脂、聚氨酯及(聚)硅氧烷、聚醋酸乙烯进行复合加工外，还可与苯乙烯相互作用，有时加上其他单体或官能材料，合成苯乙烯-丙烯酸(酯)共聚物。苯乙烯-丙烯酸(酯)类共聚物可以衍生加工出许多种类的精细化工产品，应用领域广泛。     

数据挖掘中Fuzzy c-means的自适应聚类算法

聚类算法是数据挖掘算法中的重要解决方法。针对现有聚类算法模糊c均值算法FCM中的不足 ,如需要预先确定聚类参数c,随机性较强、局部最优等弱点 ,对其算法结构加以改进 ,提出模糊c均值自适应算法 (FCMA) ,增加聚类有效性问题的分析 ,在聚类过程中可动态调整聚类数目 ,这种方法可以避免在确定参数时的随机性和经验性 ,提高聚类算法的可靠程度。