基于遗传神经网络的电站锅炉飞灰含碳量预测

针对锅炉飞灰含碳置影响因素复杂．实时测量难度大．精度低，提出了一种基于遗传神经网络的预测方法，并用于某电厂，结果表明，该方法是有效的。     

对溢洪闸门自动监控系统中几个问题的探讨

结合某水电站介绍了溢洪闸门自动监控系统的结构、功能，讨论了该研制过程中的几个问题的解决办法．     

智能组卷系统试题库结构的研究

在分析了传统的组卷系统的组卷算法及相应的试题库结构的基础上，基于遗传算法提出了一种新的试题库结构，并给定具体结构的确定方法。实践表明，这种结构下的试题库很好地配合遗传算法实现了智能组卷，并且系统效率更高，冗余度更小。     

基于遗传算法的图像恢复研究

通过对遗传算法和图像恢复理论的分析，提出了基于遗传算法的图像恢复方式。该方式具有优化、收敛性快等优点。     

用混合式遗传算法进行给水管网现状分析

将广义简约梯度法(GRG)思想应用于传统遗传算法,提出一种新的混合式遗传算法(HGA),此方法具有很强的全局和局部搜索能力,并且无需复杂的编码、解码过程,可以准确解决多变量、多峰值的给水管网现状分析问题。采用此算法,绝大多数的计算值与实测值的误差可减小到1%以下,能准确反映管网的实际工况。     

遗传算法理论及其应用研究进展

首先阐述遗传算法的原理和求解问题的一般过程;然后讨论了近年来从遗传算子、控制参数等方面对遗传算法的改进,并对遗传算法在计算机科学与人工智能、自动控制以及组合优化等领域的应用进行陈述;最后评述了遗传算法未来的研究方向和主要研究内容。     

基于小波分析和遗传神经网络的模拟电路故障诊断方法*

针对BP网络极易收敛于局部极小点与过拟合等缺点,在构建小波神经网络的基础上,提出用遗传算法优化BP神经网络的模拟电路故障诊断方法.该方法使用小波作为预处理工具,经PCA分析和归一化后提取输出信号的能量信息作为特征向量,用遗传BP神经网络作为故障识别器,对模拟电路故障进行诊断.与传统BP神经网络相比较,结果表明,该方法可明显改善神经网络结构、提高故障诊断的精度和速度.     

基于RBF神经网络优化的装备保障系统效能评估

针对现有装备保障系统效能评估方法存在依赖专家经验、主观性强等问题,提出一种基于径向基函数（RBF）神经网络优化的装备保障系统效能评估方法。通过完备交叉与预变异策略对遗传算法（GA）进行改进,利用改进的GA对RBF神经网络中心、宽度及输出权值进行全局寻优,并采用优化的RBF神经网络实现装备保障系统效能评估。仿真结果表明,该方法相比AGA-RBF和GA-RBF评估方法能更准确地评估装备保障系统效能值,并且可在一定程度上降低评估过程中主观因素的影响,确保评估结果更客观真实。     

Study of probability integration method parameter inversion by the genetic algorithm

In order to obtain accurate probability integration method(PIM) parameters for surface movement of multi-panel mining, a genetic algorithm(GA) was used to optimize the parameters. As the measured surface movement is affected by more than one mining panel, traditional PIM parameter inversion model is difficult to ensure the reliability of the results due to the complexity of rock movement. With crossover,mutation and selection operators, GA can perform a global optimization search and has high computation efficiency. Compared with the pattern search algorithm, the fitness function can avoid falling into local minima traps. GA reduces the risk of local minima traps which improves the accuracy and reliability with the mutation mechanism. Application at Xuehu colliery shows that GA can be used to inverse the PIM parameters for multi-panel surface movement observation, and reliable results can be obtained. The research provides a new way for back-analysis of PIM parameters for mining subsidence under complex conditions.     

基于MultiBoost 的集成支持向量机分类方法及其应用

针对网络故障诊断中的模式识别问题, 提出一种基于多重提升(MultiBoost) 的优化支持向量机集成学习方法. 首先, 利用自适应的荷尔蒙调节遗传算法(HMGA), 对支持向量机基分类器进行建模参数优化; 然后, 通过构建MultiBoost 集成学习方法将多个基分类器集成, 建立以多分类器优化集成为核心的故障诊断系统. 实验结果表明, 所提出的方法在网络故障诊断中, 迭代次数少、建模时间短, 并且能够明显提高故障分类的准确率.