遗传模糊算法在短期负荷预测中的应用

提出了一种基于模糊逻辑原理的负荷预测方法,使用遗传算法对系统参数进行训练。在以往的模糊逻辑系统建立过程中,其主要参数(如模糊推理规则和隶属函数等)需要依靠运行人员经验或专家知识来确定,而本文利用遗传算法,通过对样本数据的自学习过程来获取系统参数。在遗传算法中,将推理规则与隶属函数参数的确定结合在一起,从而确定系统参数的最优组合,由此建立起一个较合理的模糊负荷预测系统。仿真实验结果表明,该方法能够达到满意的预测精度,具有良好的实用前景。

基于模糊遗传算法的融媒体平台敏感词鉴别方法

目前使用的敏感词识别方法不能得到全局最优解,导致查全率和查准率较低,为此,提出了基于模糊遗传算法的融媒体平台敏感词鉴别方法。部署融媒体平台架构,在该架构上初始化敏感词群,通过计算个体适应值,统计个体被选择的累计概率,选择分配的敏感词个体。经过模糊遗传算法的个体均匀交叉、非均匀变异处理后,使用优化敏感词定性结构判断准则,完成敏感词定性结构处理。构建词语敏感性判断公式,划分敏感等级,消除文本长度对词语敏感程度的影响。确定位置信息集合,划分敏感性词位置,确定敏感程度。通过实验验证结果可知,该方法查全率和查准率趋近于稳定状态,均超过90%,具有精准鉴别效果。

基于模糊遗传算法的配电网络重构

提出了一种模糊遗传算法(FGA),对交叉率和变异率进行模糊控制,有效地提高了收敛速度,避免了不成熟收敛。将FGA用到配电网络重构中,取得了较好效果。另外本文提出用支路的开关状态(0或1)作为控制参数,避开了繁琐的编码方法,缩短了染色体长度,同时对交叉位置的选取、变异的进行等提出了独特的方案。

一种新的模糊遗传算法

将模糊控制思想引人到遗传算法中，进行交叉概率Ｐｃ和变异概率Pm的整定工作，并在此基础上提出了一种基于模糊控制的遗传算法——模糊遗传算法．仿真结果表明：该算法不仅能提高解的质量，而且能加速解的收敛速度．

模糊遗传图像相关匹配算法

针对遗传算法中交叉概率和变异概率所存在的问题,利用模糊推理系统来自适应估计交叉概率和变异概率,提出了基于模糊遗传算法(FGA)的图像相关匹配算法,并进行了大量实验研究,实验结果证明该方法对解决具有噪声情况下的图像匹配问题十分有效。

基于模糊遗传算法的工业过程控制参数优化研究

针对复杂工业过程控制要求多样性、控制参数难调整的问题,提出了一种控制参数优化方法.其中,利用模糊评判方法设计了模糊适应度函数以改进标准遗传算法,把控制要求分解成多个对控制结果模糊评判的因素,由于其具有不同权重,因此控制结果与控制要求的接近程度就转化成了对遗传算法中个体(控制参数)的适应度.应用该算法优化了生物发酵罐温度控制器的控制参数,实验表明,控制器的控制精度、温度变化平稳性、能耗、电磁阀开关频率等指标均得到了改善,能够较好地解决复杂工业过程中控制参数优化的问题.

模糊量子遗传算法及其在热工过程模型辨识中的应用

针对量子遗传算法(QGA)中旋转变异角相对固定的缺点,将模糊自适应的思想引入QGA,提出了模糊量子遗传算法(FQGA)。对典型函数测试表明:该方法有效地提高了量子遗传算法的计算精度和收敛速度。同时利用这种模糊量子遗传算法设计了一种通用的热工对象模型辨识算法,并编制了专用的模型识别软件,对典型热工过程进行辨识,取得了令人满意的效果。最后对某电厂循环流化床锅炉一次风对床温的传递函数进行辨识,结果表明该方法是一种简单易行的辨识算法,具有实用价值。

改进的遗传模糊聚类算法及其在MR脑组织分割中的应用

为提高MR图像中脑组织分割的精度,针对目前遗传模糊聚类算法存在的问题,提出了改进的遗传模糊聚类算法。首先,通过完全改变遗传算法的编码方式、变异方式和交叉方式,对现有遗传算法进行改进,从而使遗传算法能获得最小的适应度函数值;然后,结合模糊聚类算法,最终得到改进的遗传模糊聚类算法。将改进的遗传模糊聚类算法应用于MR脑图像的分割,结果表明,改进的遗传模糊聚类算法的分割质量高于现有的遗传模糊聚类算法和快速模糊聚类算法。改进的遗传模糊聚类算法可以做为一种快速、全自动的MR脑图像分割工具。

模糊遗传算法和蚁群算法相结合的配电网络重构

通过开关的优化组合可以提高配电系统运行的可靠性、电能质量和经济性。为改善配电网络重构模糊遗传算法的优化速度,提出了一种模糊遗传算法和蚁群算法相结合的方法。该方法将总的种群分为两部分进行搜索,一方面通过选择算子寻找总的种群中较优个体作为模糊遗传算法的子种群进行交叉、变异操作;另一面通过设定适应度函数阈值筛选总的种群中优秀个体,并将其适应度函数值对网络信息矩阵进行全局更新,用蚁群搜索另一部分子种群。该方法设定适应度函数阈值改进了蚁群算法的信息素更新机制;把模糊遗传算法和蚁群算法的子种群融合构成总的新种群,并用选择操作和信息素更新实现了种群之间的信息共享。通过对IEEE 69节点测试系统的计算和分析表明,该方法在解决配网重构问题上比模糊遗传算法具有更好的寻优效率。

模糊自适应遗传算法

针对标准遗传算法在实际应用中存在的早熟问题,设计了标准遗传算法的一种改进形式——模糊自适应遗传算法。该算法是利用种群的方差和熵来衡量种群多样性,并根据每代种群的方差和熵设计模糊推理系统来自适应控制交叉概率和变异概率。通过多峰函数优化问题的仿真实验,表明了该模糊自适应遗传算法的可行性和有效性。

基于模糊遗传算法的模糊调度研究

就模糊调度问题的研究现状、研究方法进行了评述 ,探讨了加工时间与交货期的模糊化操作以及基于模糊遗传算法的模糊调度系统 ,归纳了模糊遗传算法中模糊数的操作和遗传算法的编码 ,并指出了存在的不足 .

基于模糊遗传算法的新型6自由度并联机器人精度综合

精度设计是机器人误差标定技术的重要手段,精度综合是精度分析的逆问题,涉及在工作空间中给定末端操作器的最大位姿误差后,合理地制定出零部件的制造公差及各关节的装配误差的问题。在精度分析的基础上,基于误差独立作用原理和原始误差等效作用原则,考虑运动副配合间隙误差和杆长误差,利用模糊遗传算法,以制造成本最小为优化目标,对6-DOF并联平台机构进行精度综合。该方法的求解结果能满足精度要求,具有实用价值。

基于模糊遗传算法的埋入式电阻热布局优化

针对标准遗传算法优化埋入式电阻热布局存在的过早收敛等问题,通过设计适应度函数、采用模糊逻辑控制器自适应调整交叉概率和变异概率,以及对长时间未进化的种群实施局部灾变等措施维持种群多样性,使算法最终收敛于全局最优解。仿真结果表明,该算法能够更好地抑制早熟收敛,算法优化布局结果的温度分布更平均,并通过热成像仪对实验样件进行温度分布测试验证了算法的有效性。

船舶航行性能优化的模糊遗传算法

模糊遗传算法是一种模糊优化与遗传算法紧密结合的优化方法。它兼有模糊优化的考虑到模糊因素从而更能贴近工程的实际情况和遗传算法的全局寻优能力强的特点。本文中模糊优化采用限界搜索法 ,它可针对模糊非线性规划给出一个特定的清晰解。对应特定水平则委托遗传算法进行寻优。为处理等式和不等式混合约束 ,通过惩罚策略将其吸入遗传算法中染色体的适值。本文采用该方法对船舶航行性能进行优化 ,以船舶的快速性、操纵性和耐波性三个航行性能综合最优为目标函数 ,具体做法是取三个性能指标的线性加权和 ,最后建立的数学模型包括三个等式约束和五个不等式约束。根据以上思想本文用 VC+ + 6.0开发了 Ship PO优化平台 ,并在其上进行船舶航行性能优化计算 ,结果表明 ,该方法耗时少 ,全局寻优能力强 。

一种模糊自适应遗传算法

为克服标准遗传算法的早熟现象,提高算法的全局收敛性和收敛速度,采用并行遗传算法的思想,将整个种群分为几个子种群,分别用不同的遗传算子进行遗传操作;并根据它们各自对进化的贡献,利用模糊推理的方法,对其所作用的子种群的规模作出调整.对函数优化的仿真结果表明,该算法能较好地克服早熟现象,取得较为满意的优化效果.

一种改进的抑制早熟收敛的模糊遗传算法

针对遗传算法中的早熟收敛现象,提出一种改进的模糊遗传算法。该算法将群体适应度均方差和种群的进化代数作为模糊逻辑控制器判断早熟收敛的标准,并根据判断结果对优劣不等的个体采取相应的进化方法,即当种群正常进化时对个体执行"惩强扶弱"的措施以保持种群多样性,一旦发生早熟收敛或有早熟收敛的趋势则对劣质个体进行局部灾变,以恢复种群的进化能力。实验结果表明,与标准遗传算法、自适应遗传算法和模糊遗传算法相比,改进的模糊遗传算法能够更好地维持种群多样性,抑制早熟收敛。

关联规则中基于模糊遗传算法的研究与改进挖掘技术

网络数据通常以爆炸式的聚集形式出现,导致曾提出的关联规则挖掘方法挖掘性能不好。基于上述原因,提出一种关联规则中基于模糊遗传算法的挖掘方法,此方法通过构建挖掘模型,将关联规则与模糊遗传算法融合在一起,进而给出待挖掘数据的适应度函数,并使用阈值对其进行限制。模糊遗传算法将对适应度函数进行交叉分配和编译分配,以改进方法的隶属度线性状态,获取更为有效的挖掘结果。实验结果表明,改进后的方法挖掘稳定性较强,挖掘精度较高,且挖掘时间较少。

基于模糊遗传算法的PID自整定研究

针对复杂工业过程控制要求多样性、控制参数难调整的问题,提出了一种基于遗传算法与模糊理论相结合的PID自整定算法。在加热炉温度控制中,用该算法进行PID参数优化,实验表明,控制器的控制精度、温度变化平稳性等指标均得到了改善,能够较好地解决工业过程中控制参数优化的问题.

基于模糊遗传算法的混沌同步控制算法

连续变量反馈同步法（ＣＶＦＳ）是一种比较简单的同步控制算法，但该算法在实际应用 中存在一个关键的问题，即反馈系数的整定比较困难．为了解决这个问题，在把模糊遗传算法 （ＦＧＡ）和连续变量反馈同步法（ＣＶＦＳ）相结合，提出了一种基于模糊遗传算法的连续变量反馈同 步法（ＦＧＡＣＶＦＳ）．仿真结果表明：ＦＧＡＣＶＦＳ算法能方便有效地进行整定工作．

基于模糊遗传算法的神经模糊控制器的综合优化

针对遗传算法的特点 ,提出一种用模糊控制的方法来调整交叉概率和变异概率的改进模糊遗传算法及其算法结构 ,并将其应用于神经模糊控制器的综合优化设计。在以二阶模型为控制对象的仿真结果表明 ,此种模糊遗传算法不仅加快了解的收敛速度 。