计算智能融合应用研究

本文对神经网络（NN），进化算法（EA0，不确定理论（Uncertain Theory）混沌系统（Chaos System）、免疫算法（IA,Immune Algorithm）、DNA计算（DNA Coputing）等广义计算智能相互融合应用进行了总结和分析，重点介绍免疫算法、DNA计算等新型计算智能理论的相互融合应用，最后对计算智能理论的融合应用趋势进行探讨。     

智能计算主要算法的概述

为了解决传统智能方法无法突破的问题,推进机器智能化的进程,计算智能应运而生。计算智能的兴起引起了机器智能领域广泛的关注。该文系统阐述了几种主要计算智能算法的发展历程,分析了算法的基本原理,并对算法的特点和实际应用做了简单介绍,最后展望了计算智能将来的发展方向。     

发现金融市场预测模型的计算智能方法

文章首先扼要论述了金融市场数据以及计算智能方法学的基本性质及其在数据发掘中的应用前景,提出了一个用遗传算法配合神经网络进行优化训练后,用于发现股票市场价格变化趋势和预测模型的实验系统．文章着重论述了这一系统的设计思想和实现技术．最后,随意选择上海中百一店股票行情为实验研究对象,给出了用所述方法进行预测的实验结果.     

基于计算智能方法的动态系统故障诊断技术

简要地综述了基于计算智能方法的动态系统故障诊断技术的最新进展。将计算智能方法与基于模型的方法结合，用于不确定非线性动态系统的故障诊断是这一领域新的发展趋势。重点分析了用于非线性系统故障诊断的基于状态／参数估计的计算智能方法，主要包括神经网络、模糊逻辑、遗传算法。探讨了提高诊断算法鲁棒性的途径。同时也对无模型的基于计算智能的故障诊断方法中的一些研究热点问题进行了分析。最后探讨了该领域今后的发展方向。     

计算智能方法的优化机理研究

对计算智能方法体系中的遗传算法、进化规划和蚁群算法的寻优机理进行了研究。旨在尝试从理论上揭示该种算法的内在优化机制。为解释搜索的高效、有效性,有效改进优化过程,提高算法的运算效率提供一定的理论依据。     

ATM网络研究中的计算智能技术

计算智能技术以神经网络，模糊逻辑以及遗传算法等为核心，模仿人类的思维方式及演化规律，已经在以控制为主的许多领域受到越来越多的重视。计算智能技术有着传统控制方法无法比拟的优越性，显示出强盛的生命力。ＡＴＭ网络被普遍认为是２１世纪信息高速公路的基石，是传递多媒体信息的最终解决方案。     

浅谈智能计算及其研究方法

智能计算是最近兴起的一类仿生计算方法,已在许多实际领域中得到成功应用.系统地介绍几种有代表性的智能计算方法,其中包括人工神经网络、进化算法、蚁群算法以及粒子群算法.在此基础上,从仿生、实验算法学、群体智能、融合以及系统理论等角度对智能计算中的研究方法作适当探讨     

计算智能研究综述

计算智能是人们在长期的研究过程中,受到自然界形形色色规律的启迪,根据这些规律的原理,模仿求解现实世界问题,它已经成为智能信息科学中最活跃的研究领域之一。针对计算智能几个相对独立的分支：神经网络、进化计算、群体智能和免疫系统,分析了其典型算法的原理、应用领域、优缺点和研究现状,指明了未来的研究方向。     

计算智能在移动机器人路径规划中的应用综述

移动机器人路径规划是建立在机器人定位与避障研究之上,进一步对机器人行为的深入.在给出人工神经网络(ANN)、模糊逻辑(FL)、遗传算法(GA)等计算智能原理性方法的基础上,从一般意义讨论了各类计算智能方法用于路径规划的切入点,研究了各类算法的实现机理与设计思想.最后结合目前的技术发展趋势,对路径规划问题未来可能的研究发展方向进行了探讨.     

数据挖掘中的软计算方法及应用综述

文章对数据挖掘中软计算方法及应用作了综述。对模糊逻辑、遗传算法、神经网络、粗集等软计算方法,以及它们的混合算法的特点进行了分析,并对它们在数据挖掘中的应用进行了分类。     

软计算融合技术研究

软计算是求近似而非精确解的有效计算方法,已经在众多领域得到应用,取得了很好的效果。然而,每个软计算方法具有鲜明的特色和迥异的侧重点,在实际应用中存在一些不足,将软计算方法进行融合,优势互补,是促进软计算发展的关键技术之一。文中简要介绍了软计算发展概况,结合粗糙集、神经网络、模糊逻辑、遗传算法、人工免疫算法等软计算方法,详细分析了软计算融合技术的现状及分类,指出了该领域面临的缺乏理论基础、设计原则、定量评价等主要问题及其发展趋势。     

基于混合智能学习算法的函数优化研究

为了改善人工神经网络在优化计算中的一些缺陷和提高遗传算法的局部搜索能力及收敛性能,提出了一种混合智能学习算法,采用遗传算法和误差反向传播算法(BP算法)相结合,将BP算法以一个算子的形式插入到遗传算法中,以提高利用人工神经网络和遗传算法进行优化计算的搜索能力和收敛性能;通过对实例函数的优化计算,对插入BP算子的遗传算法和传统遗传算法的优化结果进行了比较分析,结果表明BP算子的插入对遗传算法的优化性能、收敛速度和收敛精度有较大改善.     

智能控制研究的发展及应用

首先介绍了智能控制的产生和发展过程;其次对智能控制在几个典型领域的应用情况进行了讨论,分析了当前研究的热点问题、研究方法与取得的成果;最后结合导弹的飞行特点和导弹武器系统的控制要求,从模糊控制、神经网络和遗传算法三个方面对智能控制在导弹武器中的应用进行了分析,并对智能控制的发展进行了展望。     

智能算法在齿轮传动优化设计的应用

以齿轮优化设计为例，分别得出用传统机械设计优化方法和用遗传算法与神经网络协同求解的结果，并进行了比较，体现了遗传算法与神经网络协同求解的特点。结果表明．该方法是非常有效的，在求解优化设计时取得了较为满意的结果。     

浅谈几种智能优化算法

该文首先介绍介绍了几种典型的群体智能算法,具体包括遗传算法、蚁群算法和粒子群算法,并对它们进行了详细的分析。     

几种计算超体积算法的比较研究

对LebMeasure算法、HSO算法、HSO+MWW算法以及HKMP算法的基本思路、关键问题进行评述,在几种测试数据集上对算法的性能进行比较验证。实验结果表明,对于所有类型的前沿,HSO+MWW的性能好于HSO算法;当处理点的数目超过某一值时,HKMP算法的性能好于HSO算法,与理论分析一致;对于HKMP算法和HSO+MWW算法,在random和discontinuous前沿上,当处理点的数目超过某一值时,HKMP算法的性能好于HSO+MWW算法;但在spherical和degenerate前沿上,HSO+MWW算法的实际性能远好于HKMP算法。     

智能优化算法及其在打浆优化中的应用

提出了一种遗传算法与神经网络技术相结合的智能优化算法,实现打浆过程的优化控制;首先针对打浆过程中系统的非线性、工艺参数间关系的不确定性,对打浆过程采用神经网络建立输入与输出之间的非线性模型,再利用遗传算法对控制参数寻求决策变量优化求解;通过改进遗传算法的交叉、变异算子等,使算法在优化过程中能有效地保持种群的多样性,防止种群过早收敛、局部收敛的现象,以实现打浆全局最优控制;实践表明,该智能优化算法,在满足打浆前后性能指标的同时明显降低了打浆能耗,是解决过程控制优化问题的可行之路。     

CUDA并行计算技术在情报信息研判中的应用

文章在研究公安情报信息研判技术的基础上,提出了一种基于CUDA并行计算技术的方法,实现对公安情报信息中文本信息快速分类的方法,实现将CUDA技术的快速计算能力应用到公安情报研判工作中。该文从介绍CUDA技术的概况出发,阐述了基于CUDA并行计算技术的文本分类方法,以及该方法的详细实现过程,解决了高效处理海量文本信息的问题。实验结果证明,CUDA并行计算技术在公安情报信息研判工作中卓有成效。