集成遗传算法及BP算法的潜在震源区划分

以华南沿海地区为例,集成遗传算法与BP算法进行潜在震源区的划分. 用遗传算法辅助人工神经网络的设计,在无限的解空间中快速找到人工神经网络的最佳参数组合. 结果表明:由该分类系统划分出的不同震级上限的潜在震源区分布,反映了华南沿海地区地震环境与地震发生的内在规律性,从而减少了人的主观判断影响.

集成遗传算法下板料激光弯曲成形工艺优化

将模拟退火的思想引入遗传算法,控制遗传算法的时间,提高运行效率。同时利用混沌优化处理初值,实现全局优化。利用惩罚函数法对目标函数的约束条件进行处理,扩大遗传算法的应用范围。并结合薄板料激光弯曲的例子,与标准遗传算法和神经网络算法进行了详细的比较。结果证明:集成遗传算法得到的工艺参数数值更合理,组合更优化。

集成遗传算法在特征基因选取中的应用

结合Filter和Wrapper方法的优点,提出一种基于集成遗传算法(FSEGA)的特征选择方法,用于从基因表达谱数据中选择特征基因。根据基因正负样本的分布关系定义信息指标过滤噪声基因,在递归特征消除过程中根据基因的集成权值生成候选基因子集,选择分类测试中具有最高AUC(接收者工作特征曲线下的面积)值的候选基因子集作为基因表达谱数据集的特征基因子集,将支持向量机(SVM)用于算法的适应度函数,研究FSEGA方法与分类器算法之间的关系,对5个肿瘤特征基因表达谱数据集进行基因选取实验。结果表明,采用提出的集成特征选取方法选取的特征基因集合含丰富类别信息,重复性较好,提高了肿瘤特征基因选取的稳定性和鲁棒性。

集成多目标遗传算法在货位分配中的应用

根据效率优先原则、稳定性原则建立适合同端式出/入库立体仓库的多目标货位分配模型。基于向量评估、非支配排序、小生境Pareto等理论方法设计了三种多目标遗传算法(MGA)。根据集成学习理论,将若干多目标遗传算法集成,构建集成多目标遗传算法(EMGA),使优化算法适应搜索过程的任意阶段。以某铝厂实际工况进行仿真验证,结果表明,集成多目标遗传算法受问题规模影响小,收敛速度快,较单独其他多目标遗传算法性能更优越,是适用于立体仓库调度研究的高效算法。

多目标柔性作业车间调度的集成算子遗传算法(英文)

柔性作业车间调度(FJSP)中,在将任务按顺序分配到各机床前,首先要为任务选择加工机床。为求解多目标FJSP,本文在分析该问题特点的基础上,提出了一种面向甘特图的串编码(GORS)及相应的的遗传算法算子的基本操作。提出了集成算子遗传算法,并给出了其具体实现。文献算例的实验及与国际最近研究成果比较表明,该算法减小了目标参数值即生产周期、最大机床负载和总的机床负载。

高强混凝土强度预测人工智能方法及应用

高强混凝土的强度预测是一个动态性可变复杂问题,受各种因素的影响。采用多种智能方法,建立了高强混凝土的强度预测的遗传算法与神经网络的集成模型。并将该模型计算结果与实测混凝土28 d抗压强度,RBF径向基函数神经网络计算的强度,非线性回归模型计算的强度进行比较。研究表明:预测结果与实测结果吻合较好,较线性回归和神经网络预测精度高,为高强混凝土的强度预测提供了一条新方法。