入侵检测的进化神经网络研究

针对传统入侵检测系统漏报率和误报率高的问题,提出基于遗传神经网络的入侵检测系统。该系统将遗传算法和BP算法有机结合,利用遗传算法较强的宏观搜索能力和全局寻优特点,优化BP网络的初始权值和阈值,并在此基础上进行神经网络学习,从而建立入侵检测系统的优化分析模型。实验结果表明,该算法可以有效地运用于入侵检测系统中。     

基于遗传算法的直线光流刚体运动重建

建立一种新的基于直线光流场从单目图像序列恢复刚体运动和结构的模型,推导出直线光流场与刚体的运动参数之间的关系,用2个二阶线性微分方程表达这种关系,并提出一种求解刚体运动参数的遗传算法,只需要获得图像平面的2条直线光流即可求解刚体的旋转参数,并用合成图像测试了该算法的有效性。     

基于GSO-BFA的采煤机双滚筒同步调高控制

为研究采煤机滚筒在煤岩混合复杂工况下的调高连续性,依据液压机构的工作原理建立了滚筒调高机构的动力学模型.基于自适应模糊微分积分滑模(AFDI-SMC)鲁棒性强的优点,采用了萤火虫-细菌觅食(GSO-BFA)算法优化滑模控制器参数条件下的滚筒调高控制方案.为保证双滚筒工作时举升高度的一致性,引入偏差-环形耦合同步控制策略补偿位置偏差,同时采用融合算法(GSO-BFA)对外闭环(滚筒高度-电压)控制器参数进行优化,并分析了双滚筒同步调高性能,且与采用遗传算法(GA)优化的系统同步调高精度相比较.仿真结果表明,采用融合算法优化且结合自适应模糊微分积分滑模的滚筒同步调高系统具有良好的鲁棒性及较高的同步精度.     

基于遗传算法的高考志愿填报排序问题的研究

针对高考志愿填报录取最优化、最佳匹配问题,提出了基于遗传算法搜索最优解的解决方案。该方案模拟物种自然选择和遗传进化过程,将不同考生的高考志愿按录取结果利益最大化进行排序。在可选择院校数量相同的情况下,对不同考生考试成绩的数据通过程序不断进行智能优化和迭代,志愿排序结果趋于稳定,且达到最佳匹配。其不但满足考生的实际需求,而且达到志愿填报利益最大化的目的。该方法采用涵盖985、211、普通院校的10所高校的实际数据进行测试,结果表明,遗传算法可以用来求解最优高考志愿填报排序问题,且具有很高的准确率和适应度。     

求解多目标优化问题的新遗传算法

给出了求解多目标优化问题的一种新解法。定义了多目标优化问题的非劣方向,设计了方向杂交算子和简单的变异算子。标准算例的计算机仿真结果表明,新算法可以快速地找到一组范围广、分布均匀且数量充足的Pareto最优解。     

求解最小生成树的一种小生境遗传禁忌算法

针对最小生成树问题,提出了一种小生境遗传禁忌算法。算法中使用Prfer数对生成树进行编码。在选择交叉之前使用小生境技术,使得被选中交叉的个体之间的适应值的距离大于一定的阈值,从而保证了个体的多样性。遗传变异算子使用禁忌搜索算法,提高了遗传算法的局部搜索能力,加快了算法的收敛速度。模拟实验结果证明该算法是有效的。     

基于学习分类器的自主地面车在狭隘环境中的路径规划

提出了一种基于学习分类器(LCS)的避碰路径规划方法,设计了集成适应度函数,在确保安全避碰的前提下,解决自主地面车(ALV)在狭隘环境下的路径优化问题.不同环境的仿真实验结果表明,遗传算法和学习分类器结合用于自主地面车的路径规划是收敛的,提高了ALV在狭隘环境中快速发现安全路径的能力.     

粗糙集及PSO优化BP网络的故障诊断研究

针对PP神经网络故障诊断存在网络结构复杂、训练时间长、精度不高的问题,将粗糙集、微粒群算法、遗传算法引入到柴油机故障诊断中,提出了基于粗糙集理论与改进PP神经网络相结合的柴油机故障诊断算法。算法采用自组织映射方法对连续属性离散化,利用粗糙集理论对特征参数进行属性约简,使用微粒群算法优化PP网络结构,从而缩短训练时间,有效提高故障诊断的准确度。最后用柴油机的实际诊断结果验证了该算法的可行性、快速性和准确性。     

基于PIC单片机的DNS客户端的研究与实现

主要论述了以PIC单片机为载体的DNS客户端的软件设计、系统编程等内容。DNS客户端是采用Microchip公司的PIC24FJ256GA106单片机作为处理器来控制并实现的,软件方面采用的是MPLAB IDE,可以用来为Microchip单片机开发应用程序,也可以提供单一的集成环境来为嵌入式单片机开发程序代码。经过试验调试证明,该DNS客户端可以实现域名与IP地址的解析,且稳定可靠,对用户透明,操作简单。     

Adaptive crossover,mutation and selection using fuzzy system for genetic algorithms

Genetic algorithms use a tournament selection or a roulette selection to choice better population. But these selections couldn’t use heuristic information for specific problem. Fuzzy selection system by heuristic rule base help to find optimal solution efficiently. And adaptive crossover and mutation probabilistic rate is faster than using fixed value. In this paper, we want fuzzy selection system for genetic algorithms and adaptive crossover and mutation rate fuzzy system. This work was presented in part and awarded as Young Author Award at the 13th International Symposium on Artificial Life and Robotics, Oita, Japan, January 31–February 2, 2008