基于整体退火遗传算法的膜系设计方法

提出了以遗传算法和模拟退火算法相结合的整体退火遗传算法 ( GASA)进行膜系设计的新方法。整体退火遗传算法具有全局寻优能力 ,与作为现代光学薄膜自动设计的主要方法——针法相比 ,在相同薄膜层数情况下用该方法设计可以得到较优的结果 ,或者用更少的薄膜层数达到同样的设计结果。并且对初始条件不敏感 ,可以确定膜层厚度边界 ,以确保制备方便。理论与实例表明该方法是高效的和可靠的。

电子光学系统的GADFP组合优化方法

首次提出了将遗传算法 (GA)和变尺度法 (DFP)相结合的电子光学系统设计的组合优化方法。该方法首先用模拟自然界生物进化过程的全局优化搜索方法— GA以像差系数为目标函数进行优化 ,得到电子光学系统轴上电位分布 ,然后根据上述轴上电位分布以解析法中的 DFP变尺度法进行优化 ,求出系统的几何结构参数和电参数。通过对等径四电极扩展场静电透镜 (4EFL)的优化设计 。

一种非线性动力学系统数值模拟的新方法

给出了应用 MATLAB语言动态仿真工具—— SIMULINK对非线性动力学系统进行数值模拟的方法 ,以典型的非线性动力学系统—— van der Pol方程、Duffing方程和 Lorenz方程为例进行了说明 .

进化策略在控制混沌中的应用

将模拟自然界生物进化过程的进化策略用于控制混沌，提出了一种以改进后的混合进化策略指引混沌轨道的新方法．使混沌系统在微小扰动作用下，以较短的时间从某一给定的初始点到达要求的不动点附近区域，达到加快控制混沌的目的．对Ｈéｎｏｎ 映象进行了数值仿真。

谈光的全反射

指出了全反射时电磁波的一些重要特性,并指出全反射时的波是一种非均匀波。分析了全反射时波场及能流的瞬时时空特性。

有限系统的电子结构研究

选取二维和三维亚方晶格作为有限系统的集团模型，在紧束缚近似下，分别计算了不同尺寸集团的态密度。探讨了态密度与集团大小的关系以及受表面效应的影响。

高阶系统模型的一种降阶方法

提出了一种用遗传算法(GA)实现高阶系统模型降阶的新方法.在本方法中,根据高阶系统模型阶跃响应的一组数据,以 GA 来确定降阶模型参数.理论和实例表明,采用这种方法,得到的降阶模型不仅是稳定的,而且能很好地逼近原系统的动态及稳态特性.

基于神经网络的双目视觉传感器建模

根据双目视觉传感器的工作原理 ,分析了影响测量精度的因素 ,表明双目视觉传感器的物体空间坐标与图像坐标之间存在复杂的非线性映射关系 ,其数学模型无法用解析式精确地加以描述。因此 ,提出一种基于神经网络的双目视觉传感器建模方法。数值实验表明 ,该方法简便易行 。

理想情况下电感中电流和电容电压的突变

本文将实际物理系统的暂态过程理想化，得到 了便于进行定量分析的理想电路，并说明了这类电路 电感电流和电容电压发生突变的可能性．本文还从电路结构上讨论了电感电流和电容电压发生突变的必要 条件．

基于粒子群优化算法的膜系设计方法

粒子群优化算法是一种新的演化计算技术,与遗传算法相比,粒子群优化算法具有易于实现,控制参量少等优点,且在大多数的情况下,可快速收敛于最优解.为了获得更优的膜系结构,本文提出了一种利用粒子群优化算法进行膜系设计的方法,并以增透膜、高反膜及分光膜为优化设计实例验证该方法的可行性.在这些实例中,以理论反射率和实际反射率的误差平方和为评价函数.结果表明,将粒子群优化算法用于膜系设计是有效的,在相同设计条件下,应用粒子群优化算法可以得到比遗传算法更优的膜系结构.

基于1stOpt的质子交换膜燃料电池模型优化

质子交换膜燃料电池(PEMFC)的性能受温度,压力等众多外界因素以及本身结构的影响,具有较强的非线性,目前已建立的数学模型存在众多难以确定的参数。将1stOpt中的麦夸特法+通用全局优化法用于PEMFC的极化曲线模型,得到最优参数,避免了使用其他优化方法因为初始值选取不当对模型精确度造成的影响。通过对实验数据和加噪仿真数据的参数优化,结果表明这种方法建立的数学模型和实验数据之间能够达到很高的拟合精度,因而为PEMFC模型参数优化提出了一种高效实用的新方法。

基于粒子群优化算法的Jiles-Atherton磁滞模型参数计算

粒子群优化算法是一种模拟鸟群捕食行为的群体智能算法,该算法具有简洁、易于实现、没有太多调整参数及不需要梯度信息等特点,且在大多数情况下可快速收敛于最优解.为了描述材料的磁滞特性,提出了一种粒子群优化算法结合MATLAB/Simulink动态仿真集成环境的Jiles-Atherton磁滞回线模型参数计算方法,并分别以无噪及加噪的仿真数据对2组参数值不同的Jiles-Atherton磁滞回线模型进行了数值实验.结果表明,将粒子群优化算法及MATLAB/Simulink动态仿真集成环境应用于Jiles-Atherton磁滞模型的参数计算是有效的.

基于改进粒子群优化算法的氩原子团簇结构优化

采用改进粒子群优化算法(IPSO)结合Lennard-Jones势对氩原子团簇结构进行优化,得到了氩原子团簇的稳态结构能量.以氩原子团簇Ar_n(n=2～14)为例,验证了该方法的有效性.结果表明,应用本文提出的方法可得到对称性良好的团簇结构.与基本粒子群优化算法(BPSO)及遗传算法(GA)相比,改进粒子群优化算法具有更好的收敛特性,能较快地得到氩原子团簇结构的最优解.

基于遗传算法的电子光学系统优化设计

提出了一种以模拟自然界生物进化过程的全局优化搜索方法——遗传算法(GA)优化设计电子光学系统的新方法。该方法以电子光学系统的球差系数为搜索目标,求出优化的系统几何结构参数和电参数。通过对等径四电极扩展场静电透镜(EFL)的优化设计,表明了该方法的有效性。

谈光的全反射

指出了全反射时电磁波的一些重要性质，并指出全反射时的波是一种非均匀波的理论观点，分析了全反射时波场及能流的瞬时时空特性。

GA-DFP分级优化技术的研究

本文提出了一种把遗传算法（GA）和交度量法（DFP）相结合的分级代化方法．即先以遗传算法进行优化，将其计算结果作为第二级变度量法的初始值．再进行优化计算。结果表明，该方法是一种提高代化质量的有效方法，既具备良好的全局收敛特性，又有较快的收敛速度和较高的优化精度。本文还通过举例说明了该方法的应用。

基于在线最小二乘支持向量机回归的混沌时间序列预测

提出了一种基于在线最小二乘支持向量机(LS SVM)回归的混沌时间序列的预测方法.与离线支持向量机相比,在线最小二乘支持向量机预测方法即使当混沌系统的参数随时间变化时仍然有效.以Chen’s混沌系统、R ssler混沌系统、H啨non映射及脑电(EEG)信号四种混沌时间序列为例评估本文提出的预测方法,结果验证了其混沌时间序列预测的有效性.

混沌光学系统辨识的支持向量机方法

将支持向量机用于混沌光学系统的辨识 ,以布拉格声光双稳混沌系统为例 ,通过计算机仿真实验 ,尝试了用最小二乘支持向量机进行混沌光学系统辨识的可行性 ,并将其与采用反向传播算法的前向神经网络辨识方法进行了比较。采用最小二乘支持向量机辨识的优点是其训练过程遵循结构风险最小化原则 ,不易发生过拟合现象 ;它通过解一组线性方程组可得到全局唯一的最优解 ;最小二乘支持向量机的拓扑结构在训练结束时自动获得而不需要预先确定。结果表明 ,本方法的辨识精度和速度均优于基于反向传播算法的前向神经网络 ,且对含噪混沌光学系统的辨识也同样适用 ,它可作为混沌光学系统辨识的有力工具。

基于最小二乘支持向量机建模的混沌系统控制

提出了基于最小二乘支持向量机 (LS_SVMs)建模的混沌系统控制方法 .与前向神经网络相比 ,LS_SVMs的优点是其训练过程遵循结构风险最小化原则 ,不易发生过拟合现象 ;它通过解一组线性方程组可得到全局惟一的最优解 ;LS_SVMs的拓扑结构在训练结束时自动获得而不需要预先确定 .该方法不需要被控混沌系统的解析模型 ,且当测量噪声存在情况下控制仍然有效 .以一维和二维非线性映射为例进行数值仿真 。