模型参数估计的一类混合策略

合理融合遗传算法的并行搜索结构和模拟退火的可控性概率突跳特性 ,构造了一类高效的混合优化策略 ,并用于多种类型模型的参数估计。对典型问题的仿真结果验证了混合策略的有效性     

基于一类混合策略的模型参数估计和控制器参数整定研究

融合遗传算法的并行搜索结构和模拟退火的可控性概率突跳行性,构造出一类高效的混优化策略,该策略适用于多种类型模型的参数估计和控制器参数整定。对典型类型问题的仿真结果验证了混合策略的有效有和初值鲁棒性,且其优化性能明显好于单一的遗传算法和传统方法。     

混合策略遗传算法的公交线路优化模型研究

为了探讨轨道交通接运公交线路的最优布设方案,建立了接运线路生成的优化模型,该文提出了一种新的改进遗传算法,基于混合变异算子遗传算法,它混合了四种不同的变异算子（Gaussian、Cauchy、Levy和单点（Single Point））,利用该算法求解优化模型。仿真的结果表明了该算法的优越性和精确性。     

基于遗传算法的非线性系统模型参数估计

针对一性系统系统模型的多样性,提出适用于多种非线性模型的基于遗传算法的参数估计方法,并以多种非线性模型为例作了仿真研究,结果表明,遗传算法是非线性系统模型参数估计的有效工具。     

一类GASA混合策略及其收敛性研究

结合模拟退火算法（ＳＡ）和遗传算法（ＧＡ）提出一类ＧＡＳＡ混合优化策略，借助于非平稳马氏链理论证明混合算法的全局渐近收敛性，同时实性地分析了算法的优化效率。     

基于遗传算法的非线性系统模型参数估计

针对非线性系统模型的多样性 ,提出适用于多种非线性模型的基于遗传算法的参数估计方法 ,并以多种非线性模型为例作了仿真研究 .结果表明 ,遗传算法是非线性系统模型参数估计的有效工具     

用含仿射操作的遗传算法求解软件可靠性模型参数估计的 …

本文将含仿射操作的遗传算法引入到软件可靠性模型的参数估计问题中，与单纯形法比较，它不但较好地解决了以往参数估计中的奇异性，同时也提高了参数估计的精度。特别是按此方法估算出来的参数使心合曲线的后沿与软件故障数据曲线的后沿拟合得很好。     

一种混合策略的家族遗传分类算法

本文在以往研究工作的基础上,对遗传分类算法进行了改进。算法在种群中引入家族概念,采用族间交叉算子对算法进行综合调控,对族内交叉操作进行微调,针对分类问题的特点采用相应的编码方式和适应度函数。实验结果表明了分类算法的有效性。     

模型降阶和参数估计的一种快速遗传算法

针对传统遗传算法求解模型降阶和参数估计时,适配值评价既费时又效率较低的缺点,对实数编码GA引入相似度和可信度的概念,采用插值方法进行适配值评价,大大减少了评价环节的计算量,提高了整个算法的效率和实时性．通过对典型模型降阶和参数估计问题的仿真,验证了所提出方法的可行性和有效性．     

一种混合策略的Pareto演化规划

提出一种多目标演化算法--混合策略Pareto演化规划(Mixed Strategies Pareto Evolutionary Programming,MSPEP).借鉴强度Pareto Ⅱ演化算法的个体比较技术,通过计算个体位序的Pareto强度值进行比较排序,混合策略变异机制用于指导算法有效搜索过程.标准测试函数的实验结果验证算法的通用性和有效性.算法搜索的解集能快速逼近Pareto最优前沿.     

混合策略的汉维句子对齐

提出了一种混合算法对齐汉维句子,不需要汉语分词、词性标注预处理,利用双语语料的词汇共现信息,自动抽取汉维语词汇搭配,作为基于词汇对齐的词典,并结合基于长度的方法进行句子对齐,实验结果验证了该混合算法的有效性,汉维语句子对齐的正确率和召回率,达到了97.5%和97.1%。     

自主迁移的并行遗传算法用于马斯京根模型参数估计

遗传算法是一种随机性的全局优化算法,但简单遗传算法易陷入局部最优。将并行技术与遗传算法相结合,且针对影响并行遗传算法性能的迁移时机进行研究,提出自主迁移的并行遗传算法用于马斯京根模型参数估计。实验结果表明,该算法为估计马斯京根模型参数提供了一种有效的方法。     

基于混合策略的AFDX分布式网络管理模型研究与实现

针对传统的网络管理模型不能满足航空电子AFDX网络管理的具体要求这一问题,提出了基于混合策略的AFDX分布式网络管理模型;通过设计策略进程和构造系统的功能模块,搭建了模型的主体框架;实现了基于混合策略的AFDX分布式网络管理系统,该系统能够监测到各种网络性能参数,对网络管理模型进行评估,进而调整AFDX网络的体系框架结构和管理策略,增强了AFDX网络管理的可操作性,大大提高了网络管理的自动化和智能化,满足了航空电子综合化网络的发展需要。     

基于组合遗传算法的反应动力学模型参数估计

通过构造一个适当的适应度函数,将渣油加氢精制反应动力学模型的参数估计问题转化为一个多维优化问题,然后提出一种组合遗传算法来求解该优化问题。该算法利用混沌序列初始化种群以保证其均匀分布在搜索空间中。在每次迭代过程中随机组合不同的交叉策略和变异以产生若干个新的子代个体。对四个标准数值优化问题进行了仿真实验,仿真结果表明了组合遗传算法的有效性。以石油炼制工业中典型装置催化裂化为例,对渣油加氢精制反应动力学模型的参数进行了优化,获得了满意的结果。     

多工况大规模工业过程模型参数估计

在对工业过程进行建模时,模型规模庞大,现场运行工况点较多。构造全联立参数估计模型,模型规模随着工况数的增加成倍扩大,在初值较差的情况下,求解收敛性差。针对此问题,本文提出1种目标序贯式参数估计方法,按照特定规则分批调整目标,逐步添加约束,使得目标分批逼近设定值,最后在新的初值基础上求解联立参数估计优化命题。本文以PTA氧化反应工段模型为例,对其反应动力学常数进行参数估计,结果表明,目标序贯式参数估计收敛性强。     

基于遗传算法的分段Chen系统的参数估计

对比研究了单种群遗传算法和多种群遗传算法在分段Chen系统参数估计中的应用,通过构造一个合适的适应度函数,将Chen系统的多参数估计问题转化成一个多参数的寻优问题,利用遗传算法全局寻优性对其进行计算。仿真结果表明,相对于采用单种群遗传算法估计分段Chen系统参数,多种群遗传算法在准确性、鲁棒性方面具有明显的优势。     

一类非线性连续系统参数估计方法

本文提出一类非线性连续系统的参数估计方法.该方法巧妙利用不同幅值的伪随机输入信号,从原系统中离析出线性子系统.基于线性子系统的参数估计值和集合理论,提出一个零极点划分的寻优准则.在此准则下,实现对系统参数的估计.仿真结果表明,该方法的计算速度较快且估值精度较高.     

一类非线性系统的参数估计

考虑有色噪声干扰的Hammerstein非线性系统的辨识,通过梯度搜索原理推导了增广投影算法,简化增广投影算法和增广随机梯度辨识算法.基本思想是将增广信息向量中的未知噪声项用其估计残差代替.增广投影算法对噪声非常敏感,增广随机梯度算法的收敛速度慢,为了解决这些不足,在增广随机梯度算法中引入遗忘因子,来改善参数估计精度,...     

连续Hammerstein模型参数估计方法

本文提出一种辨识连续Hammerstein模型参数的方法,该方法利用不同幅值的M周期序列作为系统的输入,通过DFT变换,离析出线性子系统的连续模型,并由频域辨识法及时域辨识法直接估计出连续模型的参数和非线性特性的系数。数字仿真结果表明本算法是可行且有效的。