基于pareto front的多目标遗传算法在灌区水资源配置中的应用

为了解决灌区非充分灌溉时,灌区作物产量最高与供水部门收益最大之间的矛盾,建立了灌区一次灌水水资源配置的多目标优化数学模型.该模型目标函数之一为高度非线性的,为了克服传统方法在求解非线性多目标优化问题时容易陷入局部最优点的缺点,引入了基于Pareto front的多目标遗传算法来解该模型.实例应用表明,基于Pareto front的多目标遗传算法可以快速求解灌区多目标优化问题,并为之提供非劣集,以便决策者参考.     

用基于整数编码的改进遗传算法进行环状管网优化设计

应用基于整数编码的改进遗传算法进行环状管网管径优化设计，既可避免编码冗余问题，又可提高算法的实用性和计算效率，并能在较大解空间范围内获得最优管径组合方案以实现尽可能大的管网投资。     

泵站优化运行算法

通过对动态规划法、线性规划法、非线性规划法及遗传算法等泵站优化运行算法的综述，对泵站运行优化方法的发展提出新的看法。     

基于改进遗传算法的水轮机PID调速器参数优化

水轮机调速器的参数整定对水轮发电机组安全、可靠地运行具有重要的作用，并直接影响着电力系统向用户供电的质量及可靠性。针对当前比较流行的PID调节，利用改进遗传算法对其中的参数KP、KI、KD，进行优化，并将改进遗传算法与标准遗传算法的计算结果进行比较，得出了改进遗传算法优于标准遗传算法的结论。     

基于RAGA的PPC模型在农机选型中的应用

在机器选型排序过程中 ,诸多指标数据对机型进行有利性综合评价 ,一直是农机工作人员探讨的棘手问题。以往采用的评价大多是直接建立评价系统的数据模型 ,由于其中有可量化指标 ,也有不可量化指标 ,在评价过程中 ,经常会出现分类不清、评价不准、与实际情况严重不符的情况 ,摆脱不了评价过程中的随机性和评价者主观上的不确定性。因此 ,诞生了一种既能充分体现专家的经验 ,又能降低评价过程中人为不确定因素的方法———改进模糊综合评判模型。本文以水稻收获机械的选型为例 ,系统阐述该模型在农机选型中的应用。一、模糊综合评判模型1 .拟…     

马蹄形过水断面正常水深计算的遗传算法

马蹄形过水断面是无压输水隧洞中常采用的断面形式之一 ,因其几何形状复杂 ,水力计算困难。目前常采用的方法有试算法、图解法和迭代法 ,这些方法由于计算量大且精度不易保证 ,不便于在生产实践中应用推广。将马蹄形过水断面正常水深计算转化为非线性优化问题 ,采用实数编码的遗传算法进行求解 ,实例计算表明该方法精度高、通用性强、操作简便 ,便于在生产实践中应用。     

基于RAGA的PPC模型在黑土区玉米调亏灌溉评价中的应用

调亏灌溉作为一种行之有效的节水灌溉方式,对黑土区农业水资源的可持续高效利用具有重要意义。而调亏灌溉方案的优劣取决于它的综合效果,难以直观评价。以2013年在黑龙江省红星农场进行的玉米调亏灌溉技术效应的试验研究为基础,选取了8个评价指标,采用投影寻踪分类模型(PPC),利用基于实数编码的加速遗传算法(RAGA)优化其投影方向,根据投影函数值得到各评价指标对综合评价的贡献大小对不同调亏处理的各项指标进行排序。结果表明:苗期水分调亏程度为田间持水量60%的处理为最佳调亏灌溉方案,产量和水分利用效率比适宜调亏灌溉处理分别提高了2.11%和6.42%。研究结果可为黑土区玉米灌溉管理提供科学依据。     

基于GA-BP神经网络的作物参考腾发量预测

采用黄金分割原理优化算法确定BP神经网络的隐含层节点数,进而确定BP神经网络的结构,并针对BP神经网络容易陷入局部极小值和全局搜索能力弱的缺点,引人遗传算法(GA)优化网络权值,建立GA-BP网络模型,预测作物参考腾发量ET0.以北京地区的相关资料为基础,选用6种输入因子组合方案,对该模型进行验证,结果表明该网络模型具有较好的预测能力;同时,对6种方案比较分析表明,方案4最优,该方案只需选用4项输入因子(日序数、平均气温、风速和日照时数),就能以较高的精度预测作物参考腾发量.     

基于遗传算法的农业机械中行星传动机构的优化设计

行星传动机构在水稻插秧机分插机构、拖拉机变速箱、秸秆压块机等渚多农业机械中得到了应用.如何优化设计行星传动结构,以便更好地适应农业机械生产需求,是一项极为重要的工作.为此,介绍了行星传动结构优化设计模型和基本遗传算法的基本原理,在此基础上,将星齿行星传动的最小体积作为优化设计目标,采用遗传算法进行优化设计.实验结果表明,此方法有效减少了星齿行星传动体积,更好地适应了农业机械对于成本和体积的特殊需求.     

概率神经网络在玉米叶部病害识别中的应用

根据锈病、灰斑病、小斑病、褐斑病和弯孢菌叶斑病等5种主要玉米叶部病害的特点,提出了一种基于图像处理技术和概率神经网络技术的玉米叶部病害识别方法.首先,对田间采集的玉米叶部病害图像样本进行去噪处理、图像分割和特征提取;然后,利用遗传算法优化选择出4个独立、稳定性好、分类能力强的分类特征;最后,提取目标对象的特征向量作为输入向量,由概率神经网络(PNN)分类器识别病害类别,平均正确识别率为90.4%,高于BP神经网络.试验结果表明了该方法的有效性,可为田间作物病虫害的快速智能诊断提供借鉴.