基于自适应遗传算法的渗流参数辨识研究

【目的】针对简单遗传算法难以确定交叉率和变异率的最佳值、计算量较大及易早熟等缺点,提出以自适应遗传算法来进行渗流参数辨识,为获得工程所需的计算参数提供参考。【方法】利用水头实测资料,以渗透系数为待辨识参数,在采用简单遗传算法进行参数辨识研究的基础上,力求使改进的遗传算法计算量更小,收敛性更强,同时结合三维稳定渗流有限元工程实例进行了反演计算。【结果】自适应遗传算法在保持简单遗传算法优点的同时,有效地提高了算法的收敛性,并在一定程度上克服了简单遗传算法的早熟问题。【结论】自适应遗传算法为渗流领域的参数辨识提供了新的途径。     

负荷建模参数辨识中综合改进遗传算法的应用

参数辨识是负荷建模的关键之一,针对遗传算法本身存在的缺陷,提出一种综合改进的遗传算法.该算法通过初始种群选择、最优个体保留、自适应交叉和变异率等方面进行综合设计,有效地避免了早熟和近亲繁殖,提高了收敛速度.建模实践表明,所提的综合改进遗传算法可加速收敛,缩短辨识时间,同时提高了拟合精度,克服了参数的分散性,是一种适合于负荷建模参数辨识的优化算法.     

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.     

一种基于自适应分组排挤的遗传算法

为防止进化种群早熟收敛,并考虑保持种群多样性,加快寻优进程,提高寻优效率,提出一种基于自适应分组排挤的遗传算法,在寻优过程中将种群个体进行分组,在分组的基础上基于海明距离引入自适应的排挤机制,最后将该算法与基于海明距离排挤算法和简单遗传算法进行比较,证明其可行性和有效性.     

一种改进的遗传算法及其收敛性分析

为了克服基本遗传算法只考虑种内竞争的缺陷,提出了基于种间竞争的基本遗传算法的改进算法,并用Markov链分析了遗传算法的收敛性问题,证明了改进的遗传算法收敛到全局最优解的概率为1.通过考核实例计算,发现改进后的算法具有更强的鲁棒性.     

山东省花生年产量的组合预测模型研究

以山东省花生年产量为研究对象.针对花生年产量的强烈波动性而导致的预测难、准确率低等难题,提出了一种基于GM(1,1)和RBF神经网络的组合预测模型,利用GM(1,1)来捕捉花生年产量的总体趋势,RBF神经网络来预测带有强烈非线性的残差项;同时为了提高RBF神经网络的训练速度和精度,针对标准遗传算法存在的早熟现象和收敛速度慢的缺点,提出了一种改进的自适应遗传算法,对RBF神经网络的初始参数进行优化.试验结果表明,组合预测模型可以较准确预测花生年产量,说明了组合预测模型的可行性.     

含分布式发电的配电网规划优化算法的研究

针对遗传算法在进行多目标优化时,收敛速度慢且易早熟的问题,提出一种改进自适应遗传算法,改进了选择方法和终止判据,并对交叉和变异概率的选取进行了自适应处理。针对含分布式发电的配电网规划的多目标性,采用模糊理论引入总体满意度很好地解决了多目标归一化问题。仿真算例表明:改进的算法能有效地寻找到全局最优解,明显提高收敛速度,具有良好的自适应特性。     

遗传算法与传统优化方法应用于电力负荷建模的比较研究

将遗传算法应用于电力系统综合负荷建模．以三阶感应电动机为综合负荷模型，以待辨识参数为未知向量，以系统实测与模型响应误差平方和为目标函数；以随机初始种群为基础进行交叉一变异一选择运算并产生下一代种群；通过若干代进化即可获得具有足够精度的辨识结果．通过实验数据将遗传算法与传统模式搜索算法的建模结果比较，表明遗传算法所得模型的描述精度比模式搜索法高10倍，其模型参数呈现很好的稳健性，从而有效地克服了传统优化方法的模型参数分散性。     

遗传算法在智能组卷系统中的设计与实现

为了能更好地解决组卷质量和组卷速度之间的矛盾,提出了一种基于分段整数编码的遗传算法。该算法在保证组卷预期效果的前提下,不仅搜索速度快,而且能够避免遗传算法中经常出现的"早熟现象",具有很好的收敛性和实用性。实践结果表明,该方法可以有效地解决智能组卷中的约束优化问题。     

基于遗传算法和MATLAB-ADAMS的汽车转向节优化计算

针对某微型汽车转向沉重、前轮摆振和前轮磨耗严重的问题，首先建立了麦弗逊前悬架数学模型，依照给定的前轮定位目标参数，在Matlab环境下，优化计算得出转向节关键点静平衡位置坐标，然后根据计算结果在ADAMS软件中建立麦弗逊前悬架虚拟样机模型，最后采用遗传算法联合ADAMS仿真优化的方法，以前轮上下跳动时4个前轮定位参数值相对于给定值变化量绝对值加权之和最小为综合目标，对其进行优化.优化后4个前轮定位参数值都是围绕目标值上下变化，其中后倾角变化幅度减少32%，内倾角变化幅度减少24%，前束角变化减少34%，外倾角的变化也一直处于外张状态，悬架运动特性得到改善，同时也证明了联合仿真优化方法方便可行.     

扰动状态概念模型在三峡大坝3#坝段稳定性分析中的应用

采用扰动状态概念模型分析三峡大坝3#坝段的稳定性.材料的本构模型采用扰动状态概念本构模型,其中岩石和混凝土的模型参数可根据所提供的材料基本参数及单向压缩试验和常规三轴压缩试验求得;而断层的扰动状态概念模型参数则根据位移反分析法反演,反演时采用遗传算法进行优化.分析大坝稳定性时,采用强度储备法进行追踪计算,采用VC 与Matlab混合编程的方法编制了三维有限元程序进行数值计算,把控制点位移出现拐点确定为坝段的抗滑安全系数,以此得到合理的安全系数.     

基于混合学习算法的模糊小波神经网络控制

采用小波函数作为模糊隶属函数,将模糊控制与神经网络相结合,利用神经网络实现模糊推理.针对BP算法易陷入局部极值点的缺点和简单遗传算法局部搜索能力差的不足,提出了一种混合学习算法,即首先利用遗传算法全局搜索的特点来离线优化神经网络的参数,再利用BP算法较强的局部搜索能力对网络参数进行在线调整.仿真结果表明,该网络能对不同的对象实施有效控制,且具有快速、适应性强等特点.     

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。     

基于分组排挤机制的遗传算法

利用遗传算法进行寻优有时候遗传操作会陷入局部寻优,造成早熟,使遗传操作收敛不到最优解.针对这一问题,提出一种基于分组排挤机制的遗传算法,将种群个体进行分组,引入基于海明距离的排挤机制,不仅可以防止早熟,而且可以加快收敛速度.最后用普通遗传算法与之进行比较,证明其可行性和有效性.     

复合土工膜在红口箐土坝防渗中的应用

 复合土工膜是一种较为理想的土石坝防渗材料,用它进行防渗,效果良好,施工质量易于控制,程序简便,投资省。以晋宁县红口箐水库为例,介绍了复合土工膜在土坝防渗中的设计、施工实践。为类似工程的设计与施工提供参考。     

混凝土面板开裂情况下堆石坝应力场与渗流场的耦合分析

【目的】研究混凝土面板开裂情况下堆石坝在应力场与渗流场耦合作用下的工作性态,为混凝土面板堆石坝的设计与施工提供参考。【方法】以多孔岩土介质渗透系数与体积应变之间的数学表达式为基础,研究建立了混凝土面板堆石坝应力场与渗流场耦合分析的数学模型,并基于等宽缝隙稳定流的运动规律,推导建立了混凝土面板裂缝的等效渗透系数计算模型。【结果】当混凝土面板发生开裂时,对于堆石体而言,应力场与渗流场的耦合效应是客观存在的。与不考虑耦合效应相比,考虑耦合效应时坝体的垂直位移最大值出现的位置相对偏向坝体下部,且数值增大了5.5%;坝体的水平位移最大值增大了8.9%,其分布规律也发生了较明显的变化;坝体内渗流自由面明显上升,渗流水头有所增大,同时坝体的单宽渗透流量增加了15.1%。【结论】在混凝土面板开裂情况下,堆石体内应力场与渗流场的耦合效应是客观存在的,因此,考虑耦合效应的计算结果更为合理、可靠。     

模糊自适应遗传算法在农村电站无功补偿优化中的应用

运用模糊自适应遗传算法对农村电站无功补偿优化数学模型进行了优化计算,通过实例的计算机仿真,搜索到了电站无功补偿费用最低的优化补偿点,结果符合实际应用情况,表明自适应遗传算法应用于农业工程优化设计计算切实可行。     

参数可变自适应遗传算法在军事地形图矢量化中的应用

针对纸制军事地图矢量化问题进行研究，提出一种基于自适应遗传算法的军事地形图矢量化方法，并在生成新的个体后，增加个体修正操作，提高个体的适应度。在该算法中，提出一种即考虑进化代数对算法的影响，又考虑到每代不同个体适应度作用的自适应交叉概率和变异概率。通过与传统方法的实验比较，证明该方法的可用性和有效性。