基子遗传BP神经网络的数据挖掘系统设计

数据挖掘技术是从大量数据中挖掘知识的有效的工具，遗传算法和BP神经网络是现今数据挖掘技术中比较新兴的算法。本文介绍了遗传算法和BP神经网络相互结合的一种新算法，并设计出了相应的数据挖掘系统，且将该系统应用到实际农业实验中。为了便于遗传算法的有效运用，文中还提出了格雷——浮点编码法。     

基于ARM-Linux的生物发酵智能控制系统

介绍了基于ARM-Linux的生物发酵智能控制系统.ARM9使用方便,有利于复杂系统的控制,同时在软件设计上采用了嵌入式Linux,方便了编程,缩短了软件的开发周期,提高了开发效率.针对生物发酵控制过程中的时变性、非线性、延时性和随机性等特点,提出了采用基于遗传算法的模糊神经网络控制方法.该控制方法结合了遗传算法、模糊理论及神经网络的优点,在一定程度上解决了传统控制方法不易得到精确的数学模型和难于对系统进行有效控制的不足.实践表明:该系统具有较强的鲁棒性,能够达到预期的控制效果,可以实现对发酵系统进行有效的控制.     

自适应加速遗传算法在马斯京根模型参数估计中的应用

针对基本遗传算法的寻优效果明显依赖于模型参数的初始变化区间的大小,还可能会出现过早收敛的问题,在马斯京根模型参数估计问题中应用了一种改进了的自适应加速遗传算法(AAGA).并通过某流域河道洪水演算的实例应用进行了与传统优化方法的比较研究.结果表明,该方法具有直观、简便、快速、适用性强等特点,可广泛应用于各种优化问题中.     

基于完全自适应策略的遗传算法

为改善标准遗传算法的优化性能,延长种群搜索过程,提出了完全自适应策略的遗传算法.自适应策略不仅基于进化阶段,同时基于个体,特别采用了自适应的适应值转换策略,大大降低了早熟的概率,保证算法能以较大的概率收敛到全局最优解.     

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。     

面向安全服务重组多目标优化的粒子群遗传算法

遗传算法具有快速随机的全局搜索能力,但局部搜索能力差,易陷入早熟收敛,迭代效率低.粒子群算法采用速度——位置模型,可以较快收敛到指定精度.将粒子群算法与遗传算法融合,采用多目标遗传算法得出初步的优化结果,并将其作为粒子,利用粒子群算法强化局部搜索,加快收敛速度,仿真结果证明了该算法的优越性.在CSSM对底层安全服务的重组时利用粒子群和遗传算法的结合(GAPSO),能够提高效率.     

基于Web Service的模具制造遗传优化调度

简要说明了模具制造遗传优化调度的Web Service体系结构,并在此基础上介绍了基于Web Service的模具制造遗传优化调度系统各部分的设计和说明,最后通过实例验证了其可行性.     

实数型遗传算法的研究

在引入实数型遗传算法的基础上,对遗传算法的关键问题交叉和变异操作进行了深入的研究,提出了几种新颖而实用的交叉和突异操作方法。同时,对需编码的传统的二进制型遗传算法和无需编码的实数型遗传算法进行了简要的比较,阐述了实数型遗传算法的优越性。     

基于投影寻踪模型的安康市土地生态安全评价

从影响土地生态安全的自然、社会、经济3个方面选取了17项指标,构建了安康市土地生态安全评价体系,并应用投影寻踪模型进行了相应探讨。结果表明:2001²011年安康市投影值从0.5427上升到3.2170,土地生态安全度不断提高。安康市土地生态安全的威胁主要源于土地经济生态系统,同时土地社会生态系统的限制作用不断减小;其中人均水资源率、人口密度、单位面积粮食产量、单位面积农林牧渔产值、单位面积机械化水平等因子成为安康市土地生态安全的主要限制因素。     

粗糙度不变假设下的大区域冬小麦墒情多源遥感监测方法

大区域农田墒情遥感定量监测对当代精准农业应用意义重大,但如何提高监测精度一直是该领域的关键问题.融合多源遥感的方法可以充分发挥各种遥感的优势,是提高监测精度的重要技术手段.以河南省中东部为研究区域,利用MODIS、Sentinel数据,结合实测土壤含水量,根据植被覆盖、地表粗糙度和不同湿度的土壤对后向散射的贡献,利用BP神经网络模型构建上述参数的关系,分别对研究区2016年3-6月冬小麦高植被覆盖时期0～10 cm、0～20 cm深度土壤墒情反演.根据地表粗糙度参数的性质,提出了地表粗糙度不变假设,并结合遗传算法优化BP神经网络方法(GA-BP),进行对比实验.结果显示:①植被茂盛期,后向散射系数(σ)及其差值(?σ)与土壤墒情均具有一定的相关性,VV极化优于VH极化,差值优于原值;②在反演0～10 cm与0～20 cm深度土壤墒情时,BPσ、BP?σ、GA-BP?σ模型得到的结果精度均依次提高,其中GA-BP?σ模型的均方根误差0～10 cm为4.07％,0～20cm为3.42％;③3种BP神经网络模型皆与0～20 cm深度土壤墒情相关性较好,预测精度较高.研究表明:中原地区冬小麦全生育期地表粗糙度不变假设是成立的,后向散射系数差值(?σ)与土壤墒情的相关性更好,0～20 cm的根部墒情的遥测敏感度更高,