克隆选择遗传算法在冲击矿压预测中的应用

针对传统预测冲击矿压方法存在网络训练时间较长、容易陷入局部极小值、容易早熟等问题,提出了采用克隆选择遗传算法预测冲击矿压的方法,详细介绍了克隆选择遗传算法优化BP神经网络权值和阈值的基本步骤,并利用Matlab7.1在PC机上建立网络模型进行仿真实验,仿真结果表明,该方法有效提高了冲击矿压预测的准确性。

基于克隆选择的混合遗传算法在碳纳米管结构优化中的研究

针对分子动力学模拟中碳纳米管的结构优化问题,提出了一种新的优化算法.新的优化算法在遗传算法的基础上,引入了克隆选择机理和模拟退火技术.对五个典型函数的优化测试结果表明,该算法搜索过程稳定性好,可较好地实现全局最优.将其应用于碳纳米管原子结构优化,加快了能量优化速度,提高了优化质量.模拟结果说明,混合遗传算法的优化时间随原子数增加而呈线性增长.在碳纳米管原子数较多时,结构优化时间比共轭梯度法降低一个数量级左右,大大降低了系统的模拟时间.