MAGA-WNN模型在明胶浓度软测量中的应用

胶液浓度的测量在明胶的生产过程中是一项很重要的任务,为解决明胶浓度胶液手工检测中存在的滞后时间长、测量误差大等实际问题,将软测量技术应用到明胶的浓度测量中。通过对明胶生产工艺的分析,采用小波神经网络建立软测量模型,利用混合变异自适应遗传算法对模型参数进行优化。用现场采集并归一化后的120组数据做仿真实验,其中80组作为训练,40组作为预测。仿真结果表明,该算法迭代67次后误差平方和低于0.01并趋于稳定。证明混合变异自适应遗传算法可增强小波神经网络模型的鲁棒性和提高收敛速度。所以该算法用于明胶浓度的软测量中是可行的。     

一种基于主色调匹配的图像检索方法

在基于内容的图像检索中，颜色作为图像的一种重要视觉信息已得到广泛的应用，主色调可以反映一幅图像的基本面貌，其实质就是用较少的颜色来表示原图像，并且在视觉上与原图像相似，由此，在均匀颜色空间中利用聚类分析的方法将色彩聚类为几种主要颜色，从而实现对颜色的量化，并利用直方图表示主色信息，最后采用直方图交叉算法进行图像的相似度匹配，取得了满意的实验效果。     

一种维持种群多样性的遗传算法变异算子的研究

本文针对二进制编码遗传算法中，由于传统变异算子随机地选取基因位置而对搜索全局最优的不利影响，分析了变异位置对种群多样性的影响．提出了一种新的维持种群多样性的变异算子，其变异概率和变异位置由种群基因位的多样度和个体适应度值自适应决定．经变异后优秀的个体得以保存，且在种群中每一基因坐上两种基因的比例控制在期望的范围内．本文最后用实验验证了该算于维持种群多样性的有效性．     

基于主动进化的遗传算法

根据当前遗传学和生物进化论中对变异方式的研究成果．将定向变异的思想引入到标准遗传算法领域，提出了一种基于主动进化的遗传算法．这种改进的遗传算法，可以在很大程度上克服现有遗传算法执行效率低的问题．我们将这种方法应用到TSP问题中，取得满意的实验结果、     

基于模糊逻辑控制器的自适应遗传算法

针对遗传算法中交叉概率和变异概率的缺陷，设计了一种基于模糊逻辑控制器的自适应遗传算法，实验结果表明，该算法具有较好的在线性能。     

用CR－39固体径迹探测器测定重带电粒子的Bragg峰位

采用ＣＲ－３９固体径迹探测器，根据辐射损伤密度沿粒子的径迹分布规律，测定了经３、４ｃｍ空气降能和φ１ｍｍ孔准直的α粒子（５．１５ＭｅＶ）的Ｂｒａｇｇ峰位。对于通过３ｃｍ空气后能量降至～１２ＭｅＶ的α粒子，在ＣＲ－３９中的Ｂｒａｇｇ峰位大约在７μｍ深度处，理论计算值在６．１４μｍ，实验值与理论值符合得较好。     

两阶段机场多特种车辆协同充电调度策略

在机场区域内,新能源特种车辆充电具有很大的随机性,且不同种类特种车辆充电情况各不相同,造成飞行区内各充电桩利用率相差过大,影响机场配电网的健康运行。针对上述现象,设计了十一车型两阶段特种车辆协同充电调度策略。第一阶段通过分析不同车辆对航班的保障流程,以同一车辆对相邻航班保障起始时间差值最小为目标,生成存在充电需求的车辆序列。第二阶段以减小飞行区各区充电桩时间利用率方差和车辆充电排队时间为目标,在上一阶段车辆序列基础上采用改进的自适应变异粒子群算法进行模型求解,并以国内某枢纽机场的实际车辆充电数据进行对比验证。实验表明,采用该算法后,车辆充电时的等待时间降低了93.5%、飞行区充电桩时间利用率的整体方差下降了88.7%,达到了均衡使用充电桩的目标。     

混合禁忌搜索算法求解关联运输调度问题

考虑到实际生活中车辆受发车时间限制以及道路路况影响运输成本等因素,建立了带客户软时间窗、车场硬时间窗、多车型、道路路况等约束的关联运输调度问题模型.结合禁忌搜索与遗传算法的优势,构造了混合禁忌搜索算法,以通过构造多个初始解来增大搜索空间;设计了两种禁忌表,分别为局部禁忌表和全局禁忌表,这不仅能加快寻优速度,还可以摆脱对单个解的依赖;将禁忌搜索生成的优化解作为遗传算法的初始解,可以加快寻优速度;自适应调整禁忌表长度可以避免早熟收敛;提取核心路径便于进行后期优化,relocate算子能减少路径网络回路数目.对实例进行的仿真表明,提出的IVRP优于一般的VRP,可节约大量成本,且提出的算法在收敛速度和寻优结果两方面都优于遗传算法和禁忌搜索算法.由3种算法求解得到的总成本、总里程及收敛时间的标准差体现出该算法的稳定性比另外两种算法的好.     

种子检测器刺激-应答变异算法研究

为降低阴性选择算法(NSA)的时间复杂度,提出了一种应用种子个体连续位刺激变异的检测器生成策略:首先随机生成种子检测器集合,根据其与自体的亲和度选定变异个体和变异片段;其次在被选个体的特定基因片段发生刺激-应答变异(SRM),产生新的候选检测器个体;最后应用r位连续匹配准则筛选候选个体生成新的检测器.该策略的算法特点在于利用种子个体和自体集合的模式信息指导变异过程,降低候选检测器与自体的匹配成功率.实验表明,在保持高检测率的同时,种子检测器SRM算法比穷举算法、个体随机变异算法和检测器连续胞体超变异(CSH)算法的生成效率更高.     

生化途径参数估计的QPSO-MGbest算法

讨论了非线性动力生化过程的参数估计（反问题）,描述为受一组非线性代数-微分方程约束的非线性规划问题,由于频繁的病态和多峰值,传统的算法（如梯度算法）并不能得到满意的解。提出了一种改进的量子行为粒子群优化算法求解代谢途径的参数估计,该算法采用基于全局最好位置的变异操作以提高算法的非线性逼近能力和较好的全局搜索能力。以一个三阶段代谢途径为研究对象,建立参数估计的算法模型,以实验值和预测值的误差平方加权的和为目标优化函数。实验表明改进量子行为粒子群优化算法能够较好求解该问题。