改进思维进化算法优化BP神经网络的瓦斯涌出量预测研究

为了保证煤矿安全开采,并提高煤矿瓦斯涌出量的预测精度,提出了改进思维进化算法优化BP神经网络的模型预测新方法。在思维进化算法中加入精英反向学习策略增加算法的全局搜索能力,在趋同操作中引入粒子群算法避免重复搜索,以此实现对BP神经网络的初始权值和阈值的全局寻优,并通过矿井监测到的各项历史数据进行验证。结果表明:与BP神经网络模型和MEA-BP神经网络模型相比较,该模型的预测精度更高,泛化能力更强。该模型的平均相对变动值为0.00116,平均相对误差为0.81%,均方根误差为0.0576,有效提高了对瓦斯涌出量的预测精度,提升了煤矿安全生产技术。

思维进化算法和神经网络结合的PSD非线性优化

针对位置敏感探测器(PSD)的非线性输出误差导致激光对中仪整体精度较差问题,建立思维进化算法(MEA)和LM-BP神经网络相结合的模型对其进行优化。该方法利用MEA较强的全局寻优能力,优化LM-BP网络的初始权阈值,找到最优个体构建MEA-LM-BP神经网络。使用MATLAB软件编程构建BP神经网络,对实验获得的原始数据进行分析处理。仿真结果表明,该方法可以有效提高LM-BP法的泛化能力,同时具有更高的优化精度,可以极好地提高传感器的测量精度以及仪器整体精度。

基于思维进化和L-M法优化BP神经网络的SF_(6)断路器触头电寿命评估

文中分析35 kV SF_(6)断路器一相触头的动态电阻曲线的特点,提取出主触头接触行程、主触头电阻平均值、弧触头接触行程、弧触头电阻平均值和主触头分离时刻动态电阻极大值5个特征参数,分析得到随着烧蚀程度加深,主触头接触行程和弧触头接触行程减小,主触头电阻平均值、弧触头电阻平均值和主触头分离时刻动态电阻极大值增大。提出电寿命指示参数描述触头状态,采用数值表示法,1表示电寿命完好,0表示电寿命完结。以5个特征参数为输入,电寿命指示参数为输出,基于BP神经网络建立电寿命评估模型。使用思维进化算法优化BP神经网络的初始权值和阈值,使用L-M算法优化BP网络学习过程中的权值调整量,优化后测试集电寿命指示参数的预测误差为0.0183,相比原始BP网络下降61.31%。最后基于电寿命指示参数提出了触头电寿命的评估分级方法,并给出了对应的检修策略。

使用思维进化算法优化的神经网络建立肾综合征出血热预测模型

目的探讨思维进化算法优化的BP神经网络在建立肾综合征出血热发病率预测模型中的应用前景。方法使用1984-2013年沈阳市的鼠情资料(鼠密度和鼠带毒率)和气象资料(平均气温、降水量和日照时数)作为网络的输入,同年的肾综合征出血热发病率作为网络的输出。把1984-2009年的数据作为训练样本,2010-2013年的数据作为预测样本。分别建立BP神经网络和思维进化算法优化的BP神经网络预测模型,并比较两种模型的拟合和预测效果。结果对于训练样本和预测样本,思维进化算法优化的BP神经网络的平均绝对误差(MAE)、平均绝对误差百分比(MAPE)以及均方误差平方根(RMSE)均小于未优化的BP神经网络。结论思维进化算法优化的BP神经网络预测模型的拟合和预测效果均优于未优化的BP神经网络,具有较强的推广应用价值。

基于混沌搜索的思维进化算法

针对思维进化算法中的产生初始种群的盲目随机性和冗余性以及现有搜索方式易陷入局部最优的问题,将混沌优化和思维进化算法结合,提出了一种基于混沌搜索的思维进化算法(Chaos Mind Evaluation Algorithm,CMEA)。该算法在进化的不同阶段引入混沌优化操作,利用混沌的遍历性提高算法的收敛速度,克服了早熟现象,同时利用思维进化算法的记忆特性和当代最优解指导混沌搜索,提高算法的搜索能力。仿真结果表明,与标准思维进化相比,该算法优化能力强,能有效地避免局部收敛,具有更快的收敛速度。

基于思维进化的集群作业调度方法研究

为了减少不准确的时间估计对作业调度的影响,提出了动态预约调度模式.在该模式中,预约队列中的作业与被预约资源是松耦合的,可根据作业完成情况进行重映射,以减少作业提前完成而产生的资源碎片.基于动态预约模式,将思维进化计算引入到作业调度中,以各种回填算法的调度结果作为初始群体,通过趋同和异化操作,使群体不断向最优解进化,从而产生更优的调度方案.基于真实作业集的仿真结果表明,所提算法的作业平均的等待、延迟时间比最优的基于回填的组合算法分别下降了68.5%和66.9%.

基于思维进化算法的神经网络权值与结构优化

人工神经网络应用的关键在于权值和结构的优化。思维进化计算 (MEC)是模拟人类思维进化过程的一种新的进化算法 ,具有极强的全局寻优能力 ,在数值优化和非数值优化方面均显示出明显的优越性。本文在思维进化计算框架的基础上 ,提出了一种用于人工神经网络权值与结构优化的思维进化算法 ,设计了有效的结构优化‘趋同’与‘异化’算子 ;在局部范围内寻求局部最优解 ,然后使用异化算子跳出局部范围的约束 ,在整个解空间寻求全局最优解。

思维进化蝙蝠算法及其在混合气体红外光谱特征选择中的应用

为了解决混合气体多组分间特征吸收峰相互重叠引起的特征选择困难问题,提出了新型红外光谱特征选择方法,并对该方法的性能进行了分析与评价。首先,充分结合思维进化计算的并行机制、异化操作与蝙蝠算法的局部搜索能力,设计了思维进化蝙蝠算法。接着,通过实验采集两个混合气体数据库,利用思维进化蝙蝠算法对其目标组分的特征峰进行筛选。然后,从算法的收敛速度和筛选出的特征峰两个方面,将思维进化蝙蝠算法与基本蝙蝠算法、遗传算法、粒子群优化算法及并行萤火虫群优化算法等进行比较。最后,讨论了思维进化蝙蝠算法与无信息变量消除法相结合对结果的影响。实验结果表明：CO的特征峰范围包括2 090-2 110 cm^-1和2 115-2 125 cm^-1,共包含32个波长点;N2O的特征峰范围为2 225-2 250 cm^-1,共包含26个波长点。利用筛选出的特征波长点建立的浓度反演模型,测试集均方根误差为0.155,决定系数可达0.908。实验结果表明：思维进化蝙蝠算法收敛速度快、全局搜索能力强,适用于存在重叠特征峰的混合气体的特征选择,对应的浓度反演模型的泛化性能也有显著提升。

求解TSP问题的思维进化算法

针对一类非数值问题──TSP的特点,在基本思维进化算法(MEC)框架的基础上,提出了求解TSP的趋同和异化策略,从而实现了MEC在求解非数值问题的一个应用,并对其收敛性进行了简要证明。同某些遗传算法(IENS和GESA)比较的仿真实验结果表明:MEC在收敛速度、解的优良性等方面要优于这些遗传算法。

基于思维进化的MEBML算法的收敛性研究

针对基于思维进化的机器学习 (MEBML )的马尔可夫链分析 ,证明了离散状态下趋同操作的群体依概率1收敛到全局最优状态 .但由于趋同操作的局部性 ,从局部最优状态转移到全局最优状态的概率非常小 .要增加这种转移概率 ,需要引进异化操作 .通过 P-最优状态和吸引域的概念 ,分析了趋同操作。

思维进化算法的收敛性研究

依据自然遗传机制的本质,从分形的角度出发,通过引入自相似度量因子对思维进化算法作了改进。利用分形数学理论证明了思维进化算法在最优解搜寻过程中存在自相似性。利用压缩映射原理进一步研究了算法在自相似下的收敛性,指出在满足收敛性的同时,可通过引进自相似度量因子来离线估计收敛的快速性,并可利用自相似度量因子和离线收敛速度的关系来改进算法,以避免陷入局部极小解。

利用子群体迁徙的思维进化算法设计

群体智能是通过模拟自然界生物群体行为来实现人工智能的一种方法,它强调个体行为的简单性,群体的涌现特性,以及自下而上的研究策略.结合群体智能的优点,设计了利用信息共享进行子群体迁徙策略和信息浓度更新规则,实现了各子群体之间的协同,避免了各子群体进行封闭竞争,加快了各子群体的收敛速度,使得在较好信息的利用和全局性的搜索两个方面达到最佳平衡,加快搜索速度的同时保证全局收敛.通过4个测试函数的优化证明了算法的可行性和高效性.应用于自适应在线整定PID控制参数,获得了良好的控制效果.

基于思维进化算法的人脸特征点跟踪

提出了一种基于思维进化算法的人脸特征点跟踪的方法。通过提取人脸跟踪区域的尺度不变特征变换获得整体特征模版,并确定跟踪特征点,由整体特征模版的空间分布关系限定跟踪特征点的存在区域。应用思维进化算法的趋同过程和异化过程求得整体特征模版在目标帧的最优覆盖解,进一步提高跟踪特征点的限定区域的准确性,提高搜索速度和精度。引入原始特征和替代特征,使算法在复杂情况下仍能保持稳定跟踪和较快的跟踪速率。经试验,新方法能够在复杂情况下稳定跟踪95%的特征点,并保持25帧/s的跟踪速率。

基于数列模型的思维进化算法收敛性分析

为对思维进化算法性能作进一步研究,分析了思维进化算法的进化算子(“趋同”和“异化”)及种群进化过程,建立群体进化的数列模型,并应用模型的极限性质对算法收敛性进行分析。在不考虑状态转移概率的情况下证明了思维进化算法能够收敛到全局最优解。数值仿真结果也印证了所得结论,应用数列模型分析思维进化算法的收敛性,使用其证明更加直观。

一种基于思维进化计算和博弈论的QoS组播路由算法

针对满足多个约束条件的服务质量(QoS)组播路由的特点,提出了一种应用于下一代互联网的基于思维进化计算和博弈论的QoS组播路由算法.该算法由三部分组成:引入隶属度函数来描述"边"对用户QoS需求的适合程度;通过博弈分析判断网络方与用户在"边"上的效用能否达到Nash均衡;采用思维进化计算方法建立组播路由树,使得在树上不仅用户QoS要求得到满足而且网络方效用与用户效用达到或接近Nash均衡下的Pareto最优.仿真结果表明,提出的算法是可行和有效的.

改进的思维进化算法在阵列天线综合中的应用

思维进化算法(Mind Evolutionary Algorithm,MEA)采用趋同和异化操作,通过模仿人类思维进化的过程进行寻优,克服了早熟现象,提高了算法的搜索能力.针对基本思维进化算法中产生初始种群的盲目性、补充淘汰临时子群体的单一性以及现有搜索方式易陷入小区域局部收敛的问题,提出了一种多混沌思维进化算法.该算法采用两种不同的混沌序列,提高了种群的多样性,扩大了搜索范围.将多混沌思维进化算法应用于等间距直线阵列天线综合.良好的仿真结果表明了多混沌思维进化算法在阵列天线综合的优越性.

基于改进的思维进化算法的宽带阻抗变换器设计

针对传统阻抗变换器设计中可能出现的理论设计与实际实现的矛盾,给出了宽带阻抗变换器参数优化设计的数学模型,提出了一种改进的思维进化算法,设计了改进的自适应趋同算子,讨论了符合微带线电路优化的适应度函数,给出了基于思维进化算法的宽带阻抗变换器的优化步骤,并利用Matlab仿真平台对不均匀宽带阻抗变换器进行了优化设计,得到了满意的设计参数.改进的思维进化算法的优化结果同基本遗传算法和传统的Chebyshev计算结果相比较,电压驻波比在通频带内保持较低值,尺寸相对较小,取得了较好的优化效果.同时也验证了本文方法在多变量类型优化问题的可行性和优越性.

基于思维进化算法的常微分方程组演化建模

在基本的思维进化算法(Mind Evolutionary Computation, 原名Mind-Evolution-Based Machine Learning)框架[1]的基础上,吸取遗传规划(GP)中的树形编码思想,提出了利用树结构进行信息抽取的方法,进而实现了用于常微分方程组演化建模的趋同、异化算子,并获取了优良的效果,使MEC在非数值优化领域中得到了进一步应用。最后的仿真实例的结果表明,同GP方法[2]比较,MEC方法具有计算速度快、建模结果优和全局搜索性能好等明显优点。

思维进化计算的描述与研究成果综述

思维进化计算（Mind Evolutionary Computation，MEC）是孙承意于1998年提出的一种新的进化计算方法。它模仿人类思维申趋同、异化两种思维模式交互作用，推动思维进步的遏程。MEC多方面的性能优越，造是由于采用“趋同”和“异化”操作代替GA的选择、交叉和变异算子以及MEC与GA不同的运行机制：记忆机制、定向机制和探测与开采功能之间的协调机制。本文给出MEC迄今为止最完整的描述。由于篇幅所限，本文仅简单介绍MEC的主要研究成果。

基于思维进化的机器学习的遮挡人脸识别

针对遮挡人脸的识别问题,提出了基于思维进化的机器学习(MEBML)与局部特征结合的方法。首先提出了LBP偏移特征组的提取方法,定义一种新的特征对比规则,根据遮挡人脸图像与无遮挡人脸图像的局部特征进行对比,记录对比相似度作为局部区域的得分。然后对所有局部区域进行趋同过程和异化过程的演化,得到无遮挡区域及遮挡物体区域。当无遮挡区域满足一定比例且分布集中时,应用该区域特征完成遮挡人脸条件下的人脸识别。实验结果表明:新方法的遮挡人脸识别准确率在92%以上,并具有较低的误识率。