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。     

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.     

基于粗糙集和遗传神经网络的城市日用水量预测模型

为克服日用水量主要影响因素一般采用主观判断确定的不足,利用改进粗糙集算法对影响因素进行属性约简,确定日用水量的主要影响因素。以日用水量的主要影响因素和相关日用水量为BP网络的输入,采用遗传算法优化BP网络的权阈值,建立了基于粗糙集算法和优化BP网络的日用水量预测模型。实例分析表明,与基于传统BP网络和基于遗传算法优化B...     

基于主成分分析和遗传支持向量机的发动机故障诊断

为了实现发动机故障的快速实时诊断,提出一种基于主成分分析（PCA）和遗传支持向量机（GA-SVM）的发动机故障诊断方法。该方法利用振动信号经小波变换和主元分析来提取故障特征,以减少信号的冗余。针对人为选择SVM参数的盲目性,应用遗传算法优化其参数,并与BP神经网络（BPNN）比较。试验结果表明：GA-SVM比BPNN具有更强的分类识别能力,小样本故障诊断正确率达100%。     

单层工业厂房排架结构的优化研究

将遗传算法应用于单层工业厂房排架结构设计 ,编制了应用遗传算法优化排架结构的程序 ,并作了算例计算 ,结果表明算法是有效的     

基于NSGA-Ⅱ遗传算法高比转速混流泵多目标优化设计

为进一步探索优化高比转速混流泵水力性能的方法,该文选用比转速为803的高比转速混流泵为研究对象,运用商用软件ANSYS CFX 15.0,选取剪切应力传输(shear stress transport,SST)湍流模型对其内部流动进行计算。以高比转速混流泵的水力效率、扬程为优化目标,采用给定沿叶轮叶片轴面流线的速度矩的分布规律来实现对叶片的间接参数化,以描述该速度矩分布的四次多项式的3个参数为优化变量。采用均匀试验设计安排样本空间,利用径向基函数(radial basis function,RBF)神经网络拟合优化变量与优化目标间的映射关联,最后结合NSGA-Ⅱ遗传算法进行多目标寻优,取效率最优个体和扬程最优个体与初始模型进行分析:得到了上述3个个体的速度矩分布规律与各微元段包角沿轴面流线的变化趋势,效率最优与扬程最优时叶片包角,即各微元段包角之和,分别为75.15°、67.85°。给出了0.5倍叶高处叶轮导叶的相对流线、速度、静压分布以及0.2倍、0.5倍、0.8倍叶高处叶片相对弦长的静压分布。试验证明,效率最优个体的效率较初始个体提高了1.12%,与CFD(计算流体动力学,computational fluid dynamics)计算结果 1.33%接近。该优化方法改善了叶轮的水力特性,提高了高比转速混流泵的性能,为高比转速混流泵的优化设计提供了参考。     

基于RAGA的PPC模型在土壤质量变化评价中的应用研究

将高维降维技术--投影寻踪分类模型(PPC)应用到土壤学科领域,利用改进的加速遗传算法(RAGA)优化投影方向(土壤评价指标),将多维数据指标转换到低维子空间,通过寻求最优投影方向及投影函数值来实现对土壤的分类与等级评价,避免了主观赋权的人为干扰,取得了较好效果,为土壤质量变化与等级评价研究提供一条新思路与方法.     

基于RAGA-DP的饲草料作物非充分灌溉制度优化模型

中国北方牧区水资源极其匮乏,灌溉饲草料基地优化配水时,通过对非充分灌溉条件下饲草料作物进行灌溉制度优化可以有效地提高水分利用率及作物产量。该文采用基于实数编码的加速遗传算法（RAGA）与多维动态规划法（DP）相结合,建立了遗传动态规划（RAGA-DP）模型,对内蒙古锡林郭勒典型草原区灌溉饲草料地非充分灌溉条件下青贮玉米、披碱草和苜蓿进行了灌溉制度优化,试验验证结果较好,有效地解决了有限水量条件下不同生育期进行优化配水的问题,并通过相对产量与供水量、水分生产率函数和边际产量的关系得到了3种作物的适宜供水量范围。该模型解决了多维动态规划法在作物非充分灌溉条件下灌溉制度优化过程中的早熟现象及易陷入局部最优而难于求得真正最优解的问题。     

冬枣氮素含量预测模型中特征波长选择方法的应用

为了提高近红外光谱法快速测定枣叶氮含量的准确性和鲁棒性。采用偏最小二乘法建立了冬枣叶片氮含量近红外光谱模型。模型的相关系数为0.799,均方根误差为0.055。整个光谱区域包含了许多与冬枣氮含量无关的光谱变量。冗余信息的存在降低了模型的预测性能。所以采用间隔偏最小二乘(IPLS)结合遗传算法和模拟退火算法来选择冬枣叶片氮含量的特征波长。用凯氏定氮法测定冬枣叶样品的氮含量。试验选用15棵枣树,每棵树5个叶片作为试验对象。用于光谱测量的仪器是ASD光谱仪,测试仪在350~2 500 nm波长范围内,光谱分辨率为1 nm。在数据采集前使用了白板进行校正(标准白板反射系数为1),每个样品测量了5次,取平均值作为样品的相对反射率。遗传算法结合间隔偏最小二乘法选取的4个特征波长为685,689,781,783 nm。根据这4个波长,建立了冬枣叶片氮含量近红外光谱模型。模型预测相关系数为0.9175,预测均方根误差为0.063。利用模拟退火算法,建立了7个波长的冬枣叶片氮含量的近红外光谱模型。模型的相关系数为0.9301,均方根误差为0.052。因此,近红外光谱结合光谱选择方法的特点,可以有效地提高模型的精度,使模型更实用。但光谱选择方法的特点并不普遍。基于单波长变量选择的模型更为敏感,更适用于均匀采样。基于波长间隔选择的模型抗干扰能力相对较强,但更适合于不均匀采样。因此,基于状态与模型相结合的特征选择可以更好地应用于模型。