人工神经网络结合遗传算法反演岩体初始地应力的研究

提出综合应用实数编码的遗传算法与改进的BP神经网络的优化反演分析方法,并通过数值分析,探讨了该方法在应用于位移反演岩体初始应力与材料参数方面的有效性.在算例中,以Burgers模型的计算数据作为改进神经网络的训练样本,用遗传算法搜索待反演参数解向量.计算结果表明利用遗传算法优化神经网络权值能提高神经网络迭代算法的效率与可靠性.该方法应用于岩体初始应力场的反演具有迭代过程平稳、收敛快、结果准确等特点,能够有效地求得岩体初始应力与材料参数.     

弹性层状地基板模量反演的进化方法

用样条函数半解析方法建立弹性层状地基模型 ,根据小挠度薄板理论 ,建立弹性层状地基上刚性路面的位移计算模型 .并模拟生物进化过程 ,用遗传算法建立了弹性地基板材料参数反演分析方法 .数值计算结果表明遗传算法用于刚性路面模量反演具有良好的精度和收敛稳定性     

小生境遗传算法及其在地球物理

遗传算法在地球物理反演中已经得到越来越广泛的应用,而常规遗传算法存在早熟收敛和后期收敛速度慢的弱点。本文介绍一种基于小生境技术的改进遗传算法,它不但具有良好的收敛可靠性,而且具有较快的收敛速度。文章扼要分析了小生境遗传算法的运行机制,并对遗传算法的收敛性作了详细分析。对给出的三个测试函数和理论地震波速反演的实验数据表明,该算法确实是一种行之有效的遗传算法。     

碾压混凝土非绝热温升参数反演分析

混凝土边界传热过程的确定是进行温度场和应力场仿真分析的关键,是研究混凝土结构温控防裂问题的重要方面之一.依托某工程,进行碾压混凝土在非绝热状态下的温度试验,并获得实测数据.采用改进遗传算法作为数值反演方法,对实测数据进行了温度场的反演计算,并将计算值与实测值进行了比较,分析反演结果的合理性,同时获得了与工程条件相符的不...     

结构动力反演计算的灵敏度遗传算法研究

为了更有效地实现结构损伤诊断的反演计算,提出了灵敏度遗传算法。将灵敏度修正操作加入到在遗传算法计算过程中,使遗传过程得以快速收敛,并增加了反演计算的准确性。利用四层平面框架进行数值模拟,结果表明,遗传算法能与灵敏度操作很好地结合,灵敏度遗传算法与常规遗传算法相比,是更高效和准确的结构反演计算方法,而且其在带噪声反演计算中也有良好的表现。     

基于最佳保留策略的遗传算法波阻抗反演

基于褶积模型的遗传算法与传统最优化算法相比,它不依赖于目标函数梯度信息,整个计算过程只依赖个体适应度值,能同时对搜索空间中的多个解进行评估,具有搜索过程随机,全局搜索性能强的特点。本文放弃传统的赌轮选择方式,采取一种最佳保留策略选择方式,并用单道地震记录进行反演,对两种结果进行差异分析,可知改进遗传算法反演结果精度更高。在改进遗传算法中,子代保留了父代中最好个体的同时保证了种群基因的多样性,从而保证最终可以搜索到全局最优解,避免了标准遗传算法中的早熟收敛现象。     

基于改进遗传算法的结构可靠度计算

针对传统的遗传算法容易产生早熟收敛现象以及局部搜索能力较差等缺陷,结合鱼群算法中具有加快寻优速度的追尾行为和克服局部极值能力较好的聚群行为对其进行改进。将改进后的遗传算法应用到框架结构的可靠度分析中,并以门式框架结构为例,建立了以单元截面积、外荷载为设计变量,可靠度指标为目标函数的优化模型。分别采用JC法与改进遗传算法对门式框架结构的可靠度指标进行对比计算,两种算法在同一验算点不同荷载值下的可靠度指标的计算结果相近,但改进后的遗传算法在分析过程中受到的约束条件较少,简单高效。     

基于改进遗传算法的波阻抗数值反演

为解决地震资料波阻抗反演中的不适定性,提高反演精度和收敛速度,基于马尔柯夫随机域的领域系统及势函数建立目标函数,采用完全非线性遗传算法进行数值反演。主要研究遗传算法的改进措施,采用二进制与实数混合编码机制;应用无放回式余数随机选择,实现二进制多次交叉和均匀实数交叉策略,充分利用种群中优秀个体的有效模式,提高收敛速度和反演精度;依据保持种群多样性原则,采用父代与子代竞争及动态调整子代策略,引入更新概率,提高全局搜索能力,避免早熟收敛。结果表明,建立理论速度模型反演,采用改进的遗传算法全局搜索性强,反演精度高,具有一定的抗噪能力,能减少早熟收敛的概率。     

基于并行遗传算法的场地浅层剪切波速度结构反演

目的针对传统遗传算法容易陷于极值,计算时间长的问题,设计基于计算机集群的一种新的粗粒度并行遗传算法反演场地浅层剪切波速度结构．方法采用遗传模拟退火算法和MPI并行计算技术,实现多进程的粗粒度集群计算,通过个体迁移策略协调优化子种群,运用计算效率判断计算负载状态,采用动态种群进行负载平衡,构建了4节点的PC集群,对算例和实际场地的浅层剪切波速度结构进行了反演计算．结果简单模型收敛于最优解,实际场地的反演结果与钻孔资料的平均误差均在20％以内,计算速度明显提高,并行遗传算法的反演结果好于串行遗传算法反演的结果．结论笔者设计的粗粒度并行遗传算法有效地加快了进化速度,并行效率高,加强了局部搜索能力,反演结果较好,适合应用于反演实际工程场地的浅层剪切波速度结构．     

求解TSP的改进遗传算法

遗传算法是求解旅行商问题的一种全局优化概率搜索算法方法.文中针对遗传算法较快的找到最优解并防止＂早熟＂收敛问题,提出了一种新的分级方法,该方法在各级中以群体当前最优个体替代各级中的最差个体,并在各级中采用自适应变异概率,改进后的遗传算法不但有效的维持了群体的多样性,而且提高了收敛速度.最后实验表明,改进的算法是可行和有效的.     

基于正交试验的遗传算法参数优化

基本遗传算法求解优化问题的过程中存在着收敛缓慢、早熟现象以及求解的质量不高等问题. 为了解决上述存在的问题,提高遗传算法的求解质量,提出使用正交试验法优化遗传算法中的主要参数,即:种群规模N、交叉概率pc和变异概率pm. 通过使用正交试验法确定遗传参数,大大提高了算法的收敛性和求解质量. 仿真结果也表明采用正交试验法设计参数的科学性和有效性.     

用多种群遗传算法优化结构振动模糊控制器

在结构控制中模糊控制是被采用的方法之一，基于遗传算法的模糊系统的优化设计，把模糊控制和遗传算法结合起来．利用遗传算法的优点，克服了一般模糊控制设计中模糊变量的隶属度和控制规则的选取通常靠经验来获取的不足．使得系统的模糊控制设计更灵活方便，能取得更好的控制效果。采用实数和整数混合编码技术来设计遗传算法的染色体和相应算法，为了避免早熟和加快收敛速度，采用了多种群的遗传算法。为了验证优化的效果．对一个三层框架进行了仿真分析，结果显示，采用遗传算法优化后的模糊逻辑控制优于常规模糊逻辑控制。     

基于遗传算法优化的神经网络PID控制器

提出了一种新的改进遗传算法优化的神经网络PID控制器。该方法设计了基于性能指标的适应度函数、自适应的交叉概率、变异概率,引入移民的遗传算法,从而有效地抑制了早熟和维持种群多样性,保证了得到的优化参数为最优参数。该方法为非线性被控对象的控制提供了一种最优参数控制器设计途径。仿真结果证明:利用改进遗传算法设计的控制紧闭环性能优越,鲁棒性强。     

电力系统机组优化组合的改进遗传算法

将遗传算法应用于电力系统机组优化组合计算.基于对遗传算法基本原理的研究,并结合机组组合问题的特点,设计了一套新颖的遗传操作.算例仿真表明:改进后的遗传算法不仅较好地处理了电力系统机组优化组合的各种约束条件,而且改善了算法的收敛性,提高了计算速度和精度,证明了该方法的正确性和有效性.     

改进的群集智能优化算法在任务排序中的应用

针对集成设计过程中用遗传算法进行任务排序的执行效率、收敛性等问题,考虑任务之间耦合关系对任务执行结果的影响,对遗传算法进行改进,并结合粒子群算法,提出了一种优化算法。并用实例进行了验证,结果表明该算法收敛速度快,结果稳定。对于不同的初始种群,结果都能找到全局最优解。     

一个改进的非线性方程求解的迭代方法

构造了一个改进的非线性方程求解的迭代格式。通过数值计算，该方法比一般迭代法和Ｓｔｅｆｆｅｎｓｅｎ迭代法好，具有收敛速度快、迭代次数少等优点。     

混合遗传算法的电力系统无功优化

针对遗传算法（GA）的局限性，提出了一种应用于电力系统无功优化问题的混合遗传算法（GASA）。实施了最优保留策略，改进交叉和变异操作，并结合模拟退火算法（SA）的Metropolis判别准则的复制策略，使寻优过程能够跳出局部最优解，从而形成了混合遗传算法。优化过程中考虑了电力系统无功优化自身特点，提高了计算效率。对IEEE30节点系统的仿真表明：该算法能够有效地提高收敛速度，避免早熟收敛。     

混合遗传蚁群算法的改进及在TSP问题中的应用研究

蚁群算法（ACA）与遗传算法（GA）都属于仿生型优化算法,是解决组合优化问题的强有力工具,并都分别成功应用于旅行商问题（TSP）中。本文将两种算法进行融合,并给出了新的融合方式。实验结果表明,新的遗传蚁群混合算法有效地改进了算法的全局收敛性,并加快了收敛速度。     

基于遗传模糊高斯混合模型的训练方法

为了解决传统高斯混合模型GMM(Gaussian m ixture model)的训练方法对模型初值十分敏感、在实际训练中极易得到局部最优模型参数的问题,提出了一种GMM模型参数训练的新方法。将遗传算法与基于模糊聚类分析的GMM参数估计相结合,形成一种新的混合算法,对模型参数进行全局优化,提高了参数估计的准确性。采用自适应交叉和变异算子,同时利用模糊最小目标函数FMOF(FuzzyM inimum Objection Function)准则对模型参数进行重估,提高了算法的搜索效率,加快了算法的收敛速度。使用PKU-SRSC语音数据库进行了与文本无关的说话人辨认实验。实验表明,与传统的GMM训练方法和最大似然估计方法相比,本文方法可以得到更优的模型参数,同时识别率也有所提高。     

遗传算法在永磁电机气隙磁场设计中的应用

讨论了表面磁钢结构的永磁电机磁极形状的设计问题．表面磁钢结构的永磁电机磁场波形由磁钢的形状确定．如果磁场波形已知,通过求解电磁场反问题就可以获得理想的磁钢形状．其求解过程一般是先转化为电磁场正问题,然后进行寻优叠代．但在寻优过程中,利用传统寻优方法求解该问题难以获得满意结果,因此本文将遗传算法引入到电磁场反问题求解中来,并根据该问题的特点,提出了“基因子链最高位受限变异”以及“相邻基因子链相关变异”等概念,利用有限元方法与遗传算法相结合,对该电磁场反问题进行了寻优求解,最终获得了较理想的寻优结果．