基于合作式协同进化算法的神经网络优化

针对一般遗传算法优化神经网络存在的不足，提出合作式协同进化遗传算法实现神经网络结构和权值同步优化方法．首先，结合合作式协同进化遗传算法本身特性和神经网络特点，给出种群分割方法；其次，为了实现结构和权值的同步优化，提出一种新的混合编码方法，并根据该混合编码方法设计新的交叉和变异算子；然后，根据编码结构、代表个体和合作团体之间的关系，提出一种新的结构优化方法；再次，给出进化过程所需代表个体选择、适应度构造方法等．最后，通过双螺旋线问题验证本文算法的有效性．     

改进变异算子的差分进化算法并行性分析

针对并行差分进化算法的全局搜索能力和寻优的稳定性弱的现状,基于DE/best/1变异算子提出了一种改进的差分进化算法变异算子.该算子前期采用DE/best/1变异方法,当进化代数超过设定的进化代数值时,采用改进的变异算子.通过拓宽变异算子的搜索域来提高种群的多样性,提高了差分进化算法的寻优能力.对改进变异算子的并行差分进化算法进行了函数测试,实验结果表明:相比普通的变异算子,在相同种群规模的前提下,改进的差分变异算子拓宽了遗传算法的搜索域,提高了算法的全局搜索能力;在不同的种群规模下,改进的变异算子增强了算法的寻优稳定性.     

自适应并行混沌免疫进化规划

基于克隆选择原理,提出一种新的并行混沌免疫进化规划算法.在算法中,根据抗体抗原亲和度将抗体种群分为两个子群,相应的提出混沌克隆算子和超变异算子,混沌克隆算子在局部空间具有较强搜索能力,超变异算子在广阔空间具有大范围搜索能力,通过两个算子的并行操作使局部寻优和多样性保持相结合,从而提高算法的搜索效率.仿真表明,与传统进化规划(EP)和基于混沌变异的进化算法(EACM)相比较,并行免疫进化规划搜索效率高,能有效抑制早熟收敛现象,可用于解决复杂的机器学习问题.     

关于进化遗传算法的几点改进

分析了进化遗传算法存在的缺陷,即当解在边界上时,求解精度不高,同时,变异算子过于复杂,实际应用时容易出错.提出了新的交叉算子和变异算子。计算结果表明,新方法成功地解决了进化遗传算法存在的问题,且计算效率高。     

进化规划和进化策略中变异算子的改进研究

针对进化规化和进化策略在解决比较复杂问题时出现收敛速度比较缓慢这一问题的原因进行分析，提出将原来变异算子中的用高斯随机变量产生的随机扰动量用柯西随机变量产生的随机扰动量来代替的一种新的变异方法。通过对几个标准函数进行模拟进化，说明该方法是合理、有效的。     

进化规划和进化策略中变异算子的改进研究

针对进化规化和进化策略在解决比较复杂的问题时出现收敛速度比较缓慢这一问题的原因进行分析，提出了原来变异算子中的用高斯随机变量产生的随机扰动量用柯西随机变量产生的随机扰动量来代替的一种新的变异方法。通过对几个标准函数进行模拟进化，说明该方法是合理、有效的。     

基于免疫算法的B-P网络权值设计

提出了一种基于免疫算法的B-P网络权值设计方法，用于实现B-P网络权值空间的搜索．该免疫算法是借鉴生命科学中免疫的概念与理论提出的一种新的算法，算法的核心在于免疫算子的构造，即接种疫苗和免疫选择．免疫算法具有较好的全局收敛性和很强的自适应环境的能力．实验结果也验证了该算法在设计B-P网络权值时的高效能．     

基因表达式编程种群多样性自适应调控算法

为了解决基因表达式编程GEP种群多样性控制问题,提出了一种新的带权种群多样性的自适应调控方法。设计了带权的种群多样性测度方法,详细分析了选择、交叉及变异算子对种群多样性的影响。提出了初始种群的多样化算法DAIP,以保证初始种群多样性的最大化。设计了自适应的交叉和变异算子,提出了种群多样性自适应调控算法APDTA,使种群在进化过程中维持合适的种群多样性,进而提高进化效率。实验验证了APDTA的有效性。     

进化规划在中央空调空气处理系统中的应用

为了提高中央空调系统的运行效率,通过对进化规划进行理论分析,提出了一种带有惩罚函数的进化规划算法以解决中央空调空气处理系统的最优化问题.进化规划的变异算子影响进化规划算法的计算速度与精度,采用正态分布作为进化规划的变异算子来解决中央空调空气处理系统的工作点优化问题.通过在线实验结果表明：空气处理机系统在变负荷工况下能够获得最佳工作点,从而达到提高中央空调系统效率的目的.     

遗传混沌算子网络的风速序列预测研究

为提高风速序列的预测性能,提出一种改进的遗传混沌算子网络预测方法.混沌算子网络由输入层、中间层和输出层3层组成,网络的输入层与中间层的连接权值采用线性衰减的方式设计,中间层混沌算子单元的激励函数为混沌映射函数,采用遗传算法优化网络的权值和混沌算子控制参数.利用差分方法对被预测序列进行平稳化预处理,结合相空间重构理论利用平稳化后的数据构造网络的训练样本.仿真实验结果表明:该方法能够实现风速序列的多步预测分析,其预测性能优于传统预测方法,尤其随着预测步长的增加,该方法具有相对稳定的预测性能.     

进化Elman神经网络模型与非线性系统辨识

建立了一种采用改进的自适应遗传算法实现动态递归的进化E lman神经网络模型。提出了对网络的结构、权重、结构单元的初始输入和自反馈增益因子同时进化的学习算法。用初始状态优化的E lman网络集成反馈学习算法和E lman网络在线训练两种动态辨识算法形成的集成化动态递归网络辨识算法,实现了超声马达的速度辨识。模拟结果表明,提出的算法不仅实现了动态递归网络的全自动优化设计,而且明显提高了动态递归网络模型辨识算法的收敛精度,为非线性系统辨识提供了一条新的途径。     

基于GA算法的神经网络模糊辨识器研究及其应用

将模糊逻辑系统、ＧＡ算法与ＢＰ算法相结合,形成一种有效网络学习方法。提出了基于神经网络的模糊逻辑系统辨识器的结构形式,利用自适应交叉率、变异率ＧＡ算法对其进行参数训练。通过计算机仿真和加氢裂化装置航煤干点模型预测,表明该方法的可行性和实用性,可望为石油化工模型预测、优化操作提供一种辅助性有效手段。     

一种基于神经网络的数据挖掘方法

针对数据挖掘中的分类问题,本文提出了一种利用网络抽取分类规则的方法,为了易于抽取规则,采用遗传算法对神经网络的结构进行了进化,实际运行结果表明了该方法的有效性。     

基于变异学习的药物构效关系模式分类法

提出一类用于预测药物活性的神经元模式分类器及其神经网络进化学习新算法－－变异基遗传法。该算法仅采用变异算子进行局部优化搜索,并利用随机初始化技术使算法在局部搜索功能提高的同时仍有可能寻找到全局最优解。该研究以有机氟农药为例,将基于变异学习的神经元模式分类方法应用于药物构效关系的识别研究,实验结果表明,该方法能有效地辨识药物构效关系模式,模式分类识别正确率优于其他神经元模式分类法。     

基于遗传神经网络的语音信号盲分离算法

通过分析基于神经网络的经典盲分离算法具有容易陷入局部极小点,从而导致收敛速度慢和分离效果不准确的缺点,本文首先利用遗传神经网络算法对分离权值进行初始化,然后通过选择操作、交叉操作和变异操作,进行样本训练控制,在整个搜索空间进行搜索,得到分离矩阵最优值,最后实现了语音信号的盲分离。实验表明：该算法具有分离速度快、效果明显等特点。     

基于遗传神经网络的大坝变形预测模型研究

神经网络具有自学习、修正误差的能力，遗传算法具有较强的全局随机搜索能力，两者结合可以优势互补. 在编码、选择、交叉、变异等方面对基本遗传算法进行改进，提高其效率和性能，并利用改进的遗传算法对神经网络权阈值进行学习，同时确定最佳的网络结构. 利用原型观测资料建立了大坝变形预测的遗传神经网络模型，模型具有良好的预测性能及泛化功能，为大坝安全监控提供了有力的技术支持.     

Application of hybrid coded genetic algorithm in fuzzy neural network controller

0　ＩＮＴＲＯＤＵＣＴＩＯＮＧｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ (ＧＡ)ｗａｓｆｉｒｓｔｌｙｐｒｏｐｏｓｅｄｂｙＪｏｈｎＨ .Ｈｏｌｌａｎｄ ,ａｐｒｏｆｅｓｓｏｒｏｆｐｓｙｃｈｏｌｏｇｙａｎｄｅｌｅｃｔｒｉｃａｌｅｎｇｉ ｎｅｅｒｉｎｇ＆ｃｏｍｐｕｔｅｒｓｃｉｅｎｃｅ ,ａｔｔｈｅｂｅｇｉｎｎｉｎｇｏｆ 1970 ,ａｎｄｗａｓｉｎｔｒｏｄｕｃｅｄｉｎｔｈｅＨｏｌｌａｎｄ’ｓｍｏｎｏｇｒａｐｈｉｎ1975[1] .ＩｔｉｓａｓｔｏｃｈａｓｔｉｃｓｅａｒｃｈｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＤａｒｗｉｎ’ｓｅｖｏｌｕｔ…     

基于神经网络的配电网合环潮流分析

配电网络中普遍存在着合环操作,在合环操作前需要进行配网潮流分析。由于配网结构参数及电气测量的误差和不完整,在电力系统实际运行中经常遇到潮流解的不收敛。本文通过对BP神经网络输入充分数量的典型样本求解合环潮流,探索了神经网络在电力系统应用中存在的问题和可能的解决方法。算例表明了神经网络在电力系统中有着广泛的应用前景。     

基于禁忌搜索的同步开关法在配电网重构中的应用

在配电网的运行中,常通过配电网重构达到减小网络损耗,改善电能质量等目的.为了解决配电网优化重构问题,一种基于禁忌搜索(TS)的同步开关法被提出.该方法根据配电网在正常运行的情况下呈辐射状的特点,将同步开关法的思想用于TS优化编码策略中,以系统有功网损最小为目标函数对配电网进行重构.通过对典型系统的计算,结果表明该算法具有更高的搜索效率和可靠性.