信息熵动态变异概率RNA遗传算法

约束优化问题是科学研究和工程应用的热点和难点.受生物RNA分子遗传信息表达机制和信息熵概念的启发,本文提出了一种信息熵动态变异概率RNA遗传算法来求解这类问题,算法采用碱基序列的个体编码方式,并用RNA分子再编码和蛋白质折叠操作代替传统遗传算法的交叉操作,在变异概率的设置中,借鉴信息熵对系统有序程度度量的概念,根据当前种群个体每一位的碱基分布情况对变异概率进行自适应调整.测试函数的仿真结果表明所提出的算法具有收敛速度快、搜索精度高的特点.将该算法用于求解短期汽油调合调度问题,能得到比其他几种算法更高的调合利润.

基于RBF神经网络的油藏相对渗透率曲线计算

提出了一种基于改进的RBF神经网络的相对渗透率曲线计算方法。利用骨干粒子群的位置更新操作更新RNA遗传算法的变异算子得到混合RNA遗传算法(HRGA),针对RBF神经网络中隐含层径向基中心值的确定,利用HRGA算法对其进行优化,并用于相对渗透率曲线的计算。将HRGA优化的RBF神经网络和标准RBF神经网络计算的相对渗透率曲线与真实值误差对比分析,实验结果表明HRGA优化的RBF神经网络明显提高了计算精度。