基于粒子群优化Friele模型木材染色配色算法研究

为提高木材染色计算机智能配色的准确性和实用性，选择水曲柳单板为染色材，基于Friele模型为基础，对模型参数进行循环赋值计算出最优参数值和预测配方，利用粒子群优化Friele模型预测其拟合配方与拟合反射率，并根据基于人眼的CIEDE2000色差评价标准公式计算色差，比较2种方法的预测配方和光谱反射率得出，当模型参数固定时，平均拟合色差为0.820 2，优化模型后，平均拟合色差为0.728 7。基于粒子群优化Friele模型进行参数循环赋值相比较固定模型参数对木材配色效果有显著提高。     

昆明市4个主要针叶树种林分断面积生长模型研究

采用Richards、Schumacher和Korf模型作为林分断面积生长备选模型,运用麦夸特算法、差分进化算法、遗传算法、模拟退火算法和粒子群算法进行模型参数求解,根据R2和RMSE选择模型拟合结果、算法迭代次数和残差分布,比较各优化算法的效率和参数稳定性。结果表明:华山松、云南松、油杉和柏木地位级表落点检验值分别为97.9%、98.3%、98.1%和98.9%,精度符合要求,能够用于林区林业生产经营活动;优化算法求解模型参数的效率由高到低的顺序为LMDEPSOGASA,PSO求解参数的拟合优度较差;针叶树种断面积生长模型更适宜采用Richards模型,Schumacher模型参数拟合结果更稳定。运用优化算法进行林分断面积生长模型参数估计并分析其优劣,对提高模型精度具有重要作用,研究结果为优化算法在生长模型参数估计中的运用提供了依据。     

林用无人机航迹非概率不确定性优化

无人机森林航迹规划中存在的不确定性因素对实际最优航迹的获得存在较大影响。本文利用非概率方法对飞行条件、爬升下降、机动性能等不确定因素进行量化并建立无人机不确定航迹规划模型,通过描述不确定性参数,采用区间差分进化算法对林用无人机航迹优化进行求解。在区间差分进化算法框架中,区间概率模型用于评估不确定性优化问题的区间约束,区间优先规则用于选择当前最优的解决方案以保留到下一个进化种群中,以提高算法的求解精度。研究表明:基于区间差分进化算法的林用无人机航迹规划模型相比于其它算法(遗传算法GA、粒子群PSO、差分进化算法DE)不仅能有效考虑不确定参数对最优路线的影响,同时拥有更好的鲁棒性,平均搜索路径更短,具有较高的优化效率。     

优化BP神经网络算法在油茶产量预测中的应用

针对标准的BP神经网络模型对我国南方的重要木本油料树种油茶产量进行预测过程中存在的缺陷,采用相对误差逐步优化回溯算法在迭代过程的参数,使原始的BP神经网算法在运算精度和计算速度上均得到显著的提高,即一种改进的回溯算法优化BP神经网络预测模型。经过试验效验与仿真证明,得到的改进算法不仅能提高油茶产量预测的收敛速度,而且在油茶产量预测精度上也有很大的提高。优化后的BP神经网络算法为多要素因子之间相互影响事件的结果预测,提供了新的设计思路和更好的解决方法。     

动态局部搜索差分进化算法

针对差分进化算法存在进化后期收敛速度慢、易早熟等缺点,提出了一种基于动态局部搜索的差分进化算法(DLSDE).采用随机选择的方式进行变异并运用小概率扰动操作,增加种群的多样性,平衡算法的开发能力和探索能力;同时,对当前的最优解进行动态局部搜索,以加快算法的收敛速度.对标准测试函数进行仿真实验并与其他6种算法进行比较,结果表明DLSDE算法具有较快的收敛速度和较高的求解精度,对复杂的数值优化问题寻优效果很好.     

基于遗传算法的BP网络在小流域侵蚀量预测中的应用

人工神经网络可用于流域水土流失的预测.针对BP神经网络收敛速度慢及容易陷入局部最优解的缺点,设计了基于遗传算法(GA)的优化BP神经网络.利用遗传算法特有优势,为BP网络的初始权值和阈值搜索全局最优解空间,经过BP算法迭代训练,进行预测.依据黄土高原沟壑区杨家沟小流域多年径流与泥沙的实测数据,对创建的侵蚀量模型进行训练和预测,取得了较高的预测精度和较快的收敛速度.     

基于思维进化优化BP神经网络的大豆叶片叶绿素含量高光谱反演

为进一步研究优化神经网络算法在植物生化参量高光谱反演当中的应用问题,运用遗传算法和思维进化算法对BP神经网络进行优化来构建大豆叶片叶绿素含量反演模型。利用实测光谱数据和对应叶绿素数据建立训练数据集,然后分别使用遗传算法和思维进化算法对BP神经网络进行优化训练,将训练好的模型用于叶绿素含量估算。结果表明,基于思维进化优化BP神经网络模型能准确预测叶绿素含量,且模型最稳定,能够解决小样本情况下叶绿素含量估算问题,并保证估算精度,可以作为大豆叶片叶绿素含量估算的一种新的参考方法。     

基于改进遗传算法-偏最小二乘回归的大坝变形监测模型

【目的】针对常规大坝变形监测回归模型中存在的因子多重相关性干扰和模型拟合效果欠佳问题,进行偏回归模型优化方法研究。【方法】将改进的遗传算法引入大坝变形监测偏回归模型,利用遗传算法强大的自适应全局优化搜索功能,对偏最小二乘回归模型进行优化,建立了基于改进遗传算法-偏最小二乘回归的大坝变形监测模型。【结果】工程实例研究与对比分析表明,改进遗传算法-偏最小二乘回归模型在一定程度上改善了原偏回归模型存在的拟合效果不佳的问题。【结论】改进遗传算法-偏最小二乘回归模型具有较好的拟合与预测能力,有较强的工程实用性。     

RNA二级结构遗传预测算法中的选择操作研究

在利用遗传算法设计RNA二级结构预测算法时,需要解决两类重要问题,即选择压力和种群多样性。选择压力有利于引导算法利用适应度标准更多地开发新个体,使得更多优秀的个体参与到迭代之中;而种群多样性是种群进化的基础。通过仿真试验对遗传算法中的选择操作进行性能分析和比较,找出适用于RNA二级结构预测的选择操作。     

基于生长模型的速生阔叶树种林分碳汇潜力研究

【目的】比较不同立地条件和林分密度下速生阔叶树种的碳汇潜力,旨在为碳汇造林提供决策依据。【方法】采用昆明市第4次森林资源二类调查数据,选取桤木(Alnus cremastogyne)、银荆(Acacia dealbata)、蓝桉(Eucalyptus globulus)和直干桉(Eucalyptus maideni)林分作为研究对象,运用优化算法求解林分断面积生长备选模型Richards、Schumacher和Korf参数;将林分断面积生长模型和单木生物量模型与各器官含碳率链接,模拟不同立地条件和林分密度下林分碳储量生长过程;采用林分碳储量平均增长量和连年增长量分析各速生阔叶树种林分碳汇潜力。【结果】桤木、银荆、蓝桉和直干桉林分断面积生长模型拟合决定系数分别为0.94,0.89,0.92和0.84;优化算法求解参数迭代次数从小到大顺序为麦夸特算法、粒子群算法、差分进化算法、模拟退火算法和遗传算法,Schumacher模型和Korf模型拟合参数欧式距离小于Richards模型,但Korf模型和Schumacher模型的拟合参数稳定性优于Richards模型。地位级为Ⅲ级、林分密度指数为800时15年生桤木、银荆、蓝桉和直干桉林分碳储量分别为13.81,20.33,38.89和45.27t/hm~2。单因素方差分析表明,林龄为1~5年时各树种林分间碳储量生长不存在差异(α=0.10),林龄为6~10和11~15年时各树种林分间碳储量生长存在极显著差异(α=0.01);桤木、银荆、蓝桉和直干桉林分碳储量平均增长量最大值分别为1.14,1.76,3.10和3.11t/(hm~2·年),连年增长量最大值分别为1.34,2.18,3.66和3.41t/(hm~2·年)。【结论】建立的速生阔叶树种生长模型可用于林分碳储量生长分析,优化算法能对生长模型更好地进行参数估计,各树种的固碳潜力顺序为直干桉蓝桉银荆桤木。     

自适应差分进化算法在反求含水层参数中的应用

【目的】研究自适应差分进化算法在反求含水层参数中的适用性。【方法】以理论计算值与实际观测值的离差平方和的均值作为目标函数,应用自适应差分进化算法优化待估含水层参数;计算相关实例,对比改进直线图解法、混沌序列优化算法、简算法、泰斯配线法、线性回归法与自适应差分进化算法的最终优化结果。【结果】与改进直线图解法、混沌序列优化算法和简算法等计算方法相比,自适应差分进化算法的计算结果更加精确,与实际观测值的差异较小;对于不同的含水层参数取值范围,自适应差分进化算法较传统差分进化算法稳定且寻优率与计算结果精度更高。【结论】自适应差分进化算法是一种有效的反求含水层参数的方法。     

遗传算法优化人工神经网络模型在日光温室湿度预报中的应用

提出一种基于遗传算法优化BP神经网络的方法预测日光温室湿度环境因子。实测日光温室内影响空气湿度的环境因子组成数据样本作为神经网络的输入,采用基于实数编码的遗传算法替代随机设定神经网络的初始权阈值,然后通过改进的BP算法在由遗传算法确定的搜索空间中对网络进行精确训练。模型预报值和实测值基于1：1线的决定系数R2和预测平均相对误差MSE分别为0.9857和3．1％。结果表明,遗传算法优化BP神经网络预报模型收敛速度快、预测精度高。可为日光温室的湿度环境调控制提供理论依据和决策支持。     

基于耗散结构理论的差分进化算法

作为一种比较优秀的最优化方法,差分进化算法具有良好的鲁棒性、实践性和收敛性.阐述了差分进化算法的基本概念、形式,分析了传统差分进化算法的优点与不足,提出了基于耗散结构理论的差分进化优化算法.     

叶尔羌河年径流预测模型研究与应用

为提高叶尔羌河中长期径流预测精度,基于小波分析的基础上建立遗传算法优化BP神经网络的耦合模型,对60年叶尔羌河年径流时间序列进行研究。结果表明:耦合模型综合了两者的优势,在保留神经网络优良非线性拟合能力的同时,又融入遗传算法的容错性和全局搜索能力,提高预测径流时的学习速度和泛化能力。在对年径流进行预测时,其预测平均误差为-2.69%,而采用传统单纯的BP神经网络模型预测的平均误差为-10.25%。从预测误差检验以及模型的对比结果可知此模型合理、可行,因此该算法有助于解决叶尔羌河中长期径流预测问题。     

微分进化算法在水电站水库优化调度中的应用

【目的】针对传统优化算法的不足,将微分进化算法应用到水电站水库优化调度问题中,建立新的优化算法模型。【方法】建立基于微分进化算法的水电站水库优化调度模型,并给出具体求解步骤。为验证算法的有效性,将其应用于具体水电站水库的优化调度计算中,最后将该方法与遗传算法的计算结果进行了对比。【结果】实例计算结果表明,与遗传算法相比,微分进化算法收敛速度快,可调参数少,计算精度高,稳定性好,且该算法简单、容易实现,具有较强的全局搜索能力。【结论】微分进化算法在解决水电站水库优化调度问题时具有很强的适用性,为求解水电站水库优化调度问题提供了新思路。     

基于IGA-GP的BP网络黄河流域需水预测研究

针对遗传算法和BP网络在寻优过程中的不足,将改进的遗传算法(IGA)与遗传编程(GP)相结合,建立了有广泛搜索能力和很强局部精化能力的IGA-GP自动编程算法,将该算法应用于BP神经网络的优化,克服了BP网络寻优过程中收敛速度慢、易陷入局部最优的不足,解决了新训练样本加入对网络稳定的影响。在此基础上,建立了黄河流域需水预测模型;拟合结果表明,该模型具有较高的预测精度。     

遗传算法及其在渔饲料配方中的应用

首先阐述了参数编码、初始群体、适应度函数、遗传操作以及算法控制参数等遗传算法基本原理,然后着重介绍其在渔饲料配方中的应用,在该应用中采用了实数编码、基于线性排名的选择、算术杂交和非一致变异等遗传算法方法。结果表明,在渔饲料配方优化中应用遗传算法要优于目前饲料配方软件中大多采用的常规应用数学的优化方法。主要体现在单位产量饲料配方中的成本价格前者要低于后者。由于遗传算法能够解决因子较多,非线性程度高的问题,从而得出的饲料配方能更好的符合相关鱼种的营养含量标准。     

遗传算法及其在渔饲料配方中的应用

首先阐述了参数编码、初始群体、适应度函数、遗传操作以及算法控制参数等遗传算法基本原理,然后着重介绍其在渔饲料配方中的应用,在该应用中采用了实数编码、基于线性排名的选择、算术杂交和非一致变异等遗传算法方法。结果表明,在渔饲料配方优化中应用遗传算法要优于目前饲料配方软件中大多采用的常规应用数学的优化方法。主要体现在单位产量饲料配方中的成本价格前者要低于后者。由于遗传算法能够解决因子较多,非线性程度高的问题,从而得出的饲料配方能更好的符合相关鱼种的营养含量标准。     

Powell-DE算法在软测量参数预估中的应用

提出一种新的全局集成优化算法(Powell-DE算法)．该算法在差分进化算法中引入具有强局部搜索能力的Powell算法，克服了DE算法收敛慢且易陷入局部最优等缺陷，几个典型测试函数的仿真实验和比较，验证了新算法的有效性，体现了新算法的优越性；然后，Powell-DE算法被用于基于LSSVM模型的蒸发过程出料溶液NK的浓度的软测量中，并与其它2种方法的比较，现场工业数据验证表明新模型体现出了更好的跟踪性能且精确度高，能够完全应用于出料溶液NK的浓度的在线预测.     

基于改进果蝇算法优化广义回归神经网络的绿色农产品消费行为预测

针对绿色农产品消费行为具有多变量非线性相互作用的特点，传统统计方法难以准确预测消费行为的问题，提出基于改进果蝇算法优化的广义回归神经网络消费行为预测模型。首先针对果蝇群搜索不均匀所导致果蝇飞行单一的问题，提出一种均匀的果蝇群搜索机制即扇形果蝇优化算法加快搜索能力和效率；其次针对广义回归神经网络的平滑因子易受人为选择的影响，提出改进果蝇算法优化广义回归神经网络参数，实现参数的自动化选择，提高模型的预测能力。运用提出的模型对绿色农产品消费行为预测。结果表明：相较于广义回归神经网络，遗传算法优化广义回归神经网络、粒子群算法优化广义回归神经网络、果蝇算法优化广义回归神经网络和改进果蝇算法优化广义回归神经网络模型在均方根误差指标上分别下降4.45%、1.89%、4.54%和5.03%,表明遗传算法、粒子群算法、果蝇算法和改进果蝇算法能够优化广义回归神经网络模型的平滑因子，提高模型的预测精度。从平均绝对误差、均方误差、均方根误差3个评价指标看，改进果蝇算法优化广义回归神经网络模型比其他6个单一预测模型具有更高预测精度。结果证明了改进果蝇算法优化广义回归神经网络模型在绿色农产品消费行为预测的有效性，...