基于改进遗传算法的河流水质模型多参数识别

结合多种群遗传算法和自适应遗传算法,提出基于多种群-自适应遗传算法(MPAGA)水质模型多参数识别方法,实现对河流水质模型参数断面平均流速u、河流离散系数D和污染物降解系数K识别和估计。利用河流示踪剂实验监测数据,分别对美国特拉基河3个不同流量河段作水质模型多参数识别和估计。结果表明,与传统遗传算法(TGA)相比,MPAGA算法对3种不同流量河段水质模型参数估计结果准确和可靠。基于MPAGA水质模型多参数识别方法和分河段水质模型参数估计结果可提高河流水污染预测精度,判定河流水污染危险区域,为保障工农业用水安全提供重要科学依据和技术支撑。     

改进的混洗蛙跳算法确定河流水质模型参数

试验将青蛙个体具有记忆功能引入到混洗蛙跳算法中,提出了改进的混洗蛙跳算法,青蛙的记忆功能是指在每次个体更新时,最差青蛙个体更新时的步长被记忆,并将其引入到下一次个体更新中.在混洗蛙跳算法的改进中加入记忆部分,提高了算法的收敛速度和寻优能力.将改进的混洗蛙跳算法应用于瞬时投放示踪剂的一维河流水团中,用所得示踪试验数据来确定河流水质参数的函数优化问题.将获得的最优值与真值进行比较.结果表明:改进的混洗蛙跳算法估计河流水质模型的参数是可行的,并且优于遗传算法.该算法具较好的参数辩识能力,适用于环境科学领域中的其他优化问题.     

秸秆微生物降解机理研究

针对微生物降解秸秆的机理研究,系统性综述了秸秆微生物降解机理研究的一些进展.秸秆堆肥要经历矿质化和腐殖化两个阶段,研究了在秸秆堆肥各个阶段秸秆降解情况.论述了秸秆纤维素结构和纤维素酶降解机理,简要阐述了纤维素降解菌的种类.简要介绍了秸秆堆肥过程中微生物群落变化,研究了影响农作物秸秆微生物降解的因素,探讨了降解过程中温度、C/N、含水量、氧含量、有机质含量合适的范围.     

一种基于模糊信息粒化和GA-SVM的农产品价格预测方法

准确预测农产品市场价格对政府宏观调控和农业生产者制定生产决策具有重要意义.本研究提出了一种基于模糊信息粒化和遗传算法的支持向量机(GA-SVM)农产品价格预测模型.该模型首先将原始价格数据进行模糊信息粒化,然后利用支持向量机对粒化后的价格数据做出预测.为提高预测精度,利用遗传算法对支持向量机的参数进行优化.对国内某农产品批发市场的价格数据进行实证分析的结果表明,该方法能对农产品价格的变化范围进行有效地预测.     

基于响应面法和NSGA-II算法的麦弗逊悬架优化

应用响应面法和经过改进的非支配排序遗传算法(NSGA-II)进行悬架结构参数优化.在ADAMS/Insight软件中进行设计参数的灵敏度分析，针对灵敏度较大的设计参数，建立车轮定位参数在车轮跳动过程中最大变化量的2阶响应面近似数学模型对该模型进行稳定性分析，并且应用加入精英保持策略和去除重复个体算法的NSGA-II优化算法对多目标响应面模型进行优化求解.优化结果表明该方法具有较高的精确性与有效性.     

神经网络可拓融合技术在生物废气检测中的应用

将生物滴滤塔有机废气处理过程视为一个可控工业生态环境,以净化废气的流量、循环液流量、pH值、塔内温度等过程参数作为可拓物元,采用神经网络模型的可拓融合的方法对工业生态环境中微生物的反应过程的状态检测进行了研究.通过仿真和实验发现净化处理过程适合用人工神经网络(ANN)模型建模,而通过对遗传算法的改进能够提高其收敛速度.采用改进遗传算法(MGA)与LMBP算法相结合(MGA-LMBP),建立了神经网络模拟生物滴滤塔处理有机废气的过程可拓融合模型,利用已有的实验数据样本训练神经网络模型,取得了较好的效果.     

玉米草（Zea Mexicana）与海藻寡糖联合修复石油烃污染土壤的研究

采用玉米草及海藻寡糖联合修复技术研究了石油污染土壤的修复效果,对修复过程中酶活性变化进行了测定,并采用变性梯度凝胶电泳(DGGE)技术测定了土壤中微生物群落的变化.结果表明,种植玉米草可以有效提高土壤中石油烃的降解,与对照相比石油烃降解率增加了11%;加入不同浓度海藻寡糖进一步增加了石油烃的降解效果,降解率最高达到28.6%.种植植物及加入海藻寡糖可以有效提高多酚氧化酶、脱氢酶及尿酶的活性.PCR-DGGE结果表明植物种植及海藻寡糖的加入增加了土壤中微生物数量,其微生物群落结构与未种植植物及修复前上壤相比发生了较大的变化.     

基于实码遗传算法的河流水质模型的参数估计

针对理想条件下采用解析法往往导致水质参数估计较大误差的问题，以及针对含有多参数的二维水质模型的参数估计问题，具体介绍了采用有限单元法和实码遗传算法求解二维水质模型未知参数的基本步骤，对水质参数(包括纵向、横向弥散系数和衰减系数)分别进行编码，通过计算机模拟浓度输出，并与实测值比较从而得出最优的水质参数估计值．算例表明，采用有限单元法-遗传算法估计河流水质模型的参数是可行的．     

基于遗传算法-鲸鱼算法优化反向传播神经网络的土壤参数预测

传统的土壤参数预测常采用物理、化学等方法,在预测准确性上存在较大误差,且易受到人为因素的影响。基于反向传播(BP)神经网络及其改进算法的土壤参数预测方法虽然不受人为因素的影响,但仍有较大的误差。为进一步提高神经网络预测精度,使用遗传算法-鲸鱼算法(GA-WOA)的混合算法优化BP神经网络,以此建立农业土壤参数预测模型,并与多种现有算法进行对比。结果显示,所提算法在农业土壤参数预测方面具有很强的适用性和更高的准确性。     

3种智能优化算法在设计洪水频率曲线适线法中的应用

【目的】研究3种智能优化算法在设计洪水频率曲线适线中的适用性。【方法】根据我国水利水电工程设计洪水计算规范适线准则,应用模拟退火算法、遗传算法和模拟退火遗传算法,按照离(残)差平方和最小准则、离(残)差绝对值和最小准则及相对离(残)差平方和最小准则,进行了设计洪水频率曲线参数的优化估计研究。【结果】实例验证表明,与传统的目估适线法相比,上述3种优化算法对设计洪水频率曲线参数估计可取得理想的适线效果。【结论】智能优化算法是一种推求设计洪水频率曲线统计参数的新途径。     

基于改进遗传算法的图像恢复

论述了基于遗传算法的图像恢复方法 ,提出了将模拟退火法和遗传算法相结合求解图像非线性最优化问题的算法。改进的算法提高了进化速度和全局寻优的能力 ,从而提高了图像的复原度 ,实验结果表明算法是有效可行的。     

一种新的改进遗传算法及其性能分析

针对简单遗传算法收敛中所存在的收敛速度慢及局部收敛问题,引入了一种新的改进遗传算法。该算法利用不断淘汰相似个体,并不断补充新个体的方法增加种群的多样性。并用一个复杂的函数对算法进行测试,结果表明该算法性能优于简单遗传算法。     

给水管网优化设计的混合遗传算法

利用遗传算法全局优化和广义简约梯度法(GRG法)局部收敛速度快的特点，将两者有机结合，构造出一种混合遗传算法应用于新建环状给水管网的优化设计．同时针对遗传算法，采用了实数编码技术，基于扩大采样空间的随机采样、惩罚策略、算术交叉及动态变异技术．最后结合工程实例验证了混合算法的高效性。     

一种基于实数编码的自适应多亲遗传算法

为了克服基于二进制编码的遗传算法在求解连续参数优化问题时的缺陷,采用实数编码,定义1种度量多样性的指标,来自适应地调整基于实数编码的多亲遗传算法中交叉概率和变异概率,提出1种基于实数编码的自适应多亲遗传算法.该算法能自适应地调整其参数,且在求解优化问题的过程中,能克服早熟收敛的现象,提高搜索能力,加速收敛速率.最后对该算法进行了理论分析.     

图像增强模糊算法的协同进化优化

协同进化遗传算法(CGA)比简单的遗传算法具有更快的收敛速度和更好的寻优效果,将其应用于图像增强的模糊算法优化,以达到最佳的模糊逻辑处理效果。遗传进化中,同时优化了模糊逻辑规则、选择了最优隶属度函数和隶属度函数参数。通过具体图像处理试验,在主观和客观评价上都证明了该方案的有效性。     

图像增强模糊算法的协同进化优化

协同进化遗传算法(CGA)比简单的遗传算法具有更快的收敛速度和更好的寻优效果,将其应用于图像增强的模糊算法优化,以达到最佳的模糊逻辑处理效果。遗传进化中,同时优化了模糊逻辑规则、选择了最优隶属度函数和隶属度函数参数。通过具体图像处理试验,在主观和客观评价上都证明了该方案的有效性。     

BP神经网络和遗传算法相结合在洞庭湖氨氮浓度预测中的应用

BP算法具有寻优精确的特点,而遗传算法具有很强的宏观搜索能力和良好的全局优化性能。因此将遗传算法与BP神经网络相结合,训练时先用遗传算法进行寻优,将搜索范围缩小后,再利用BP神经网络来进行精确求解,可以达到全局寻优和快速高效的目的。设计了一种利用遗传算法优化BP神经网络权重的预测方法,并对洞庭湖氨氮浓度的预测进行了研究。结果表明,丰水期(9月份)数据分布比较均匀,遗传算法优化BP神经网络权重的预测方法的3种学习算法计算值与实际值接近,并优于BP神经网络的计算结果,说明该方法具有较好的预测效果。     

一种多维背包问题的n进制编码遗传求解算法

针对传统二进制编码求解多维背包优化问题时算法复杂度高和容易早熟收敛等问题,提出了一种解决多维背包问题的n（n〉2）进制编码遗传算法。该算法采用n进制编码初始化种群,使用变异和交叉算子进化种群,通过修正算子修正不可行解,以保证解满足约束条件,然后利用非劣解集更新算法优化最优前端,使其扩大覆盖率,保证均匀性。20次随机试验结果表明,该算法可有效克服早熟收敛,能够保持种群多样性和求解精度,具有解决复杂多维背包问题的能力。     

蜂窝移动通信中基于遗传退火的固定频率分配

对蜂窝网无线规划中的频率分配问题进行了分析,用一种基于遗传退火的算法(GAEA)来求解,该算法是将模拟退火引进到遗传算法中,通过退火来减轻遗传算法的选择压力,利用退火法的爬山性能,改善了遗传算法的性能,提高了算法的收敛速度.实验证明了遗传退火算法的收敛速度比遗传算法快.     

改进遗传算法在输气管道运行优化中的应用

针对在天然气长输管道运行优化中广泛使用的传统遗传算法存在的诸多问题,结合天然气长输管道的运行特点,对传统遗传算法加以改进.使用改进后的遗传算法对管道运行优化的计算结果表明,改进遗传算法优于动态规划算法和传统遗传算法,在天然气长输管道的运行优化过程中具有实用价值.