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。     

智能化仪表流量与泄漏在线监测及仿真技术的研究

项目简介：《智能化仪表流量与泄漏在线监测及仿真技术的研究》属于塔里木大学校长基金青年资助项目（TDZKQN05002），主要应用在石油、天然气、化工领域的管道流量泄漏定位及监测，将自适应免疫遗传算法和蚁群算法分别应用到新疆管道流量泄漏监测算法的设计中来提高泄漏点定位精度和准确性。     

AGA-FAHP在工程项目评标中的应用

根据目前工程项目评标过程中一些定性指标无法定量化的问题,提出了基于加速遗传算法的模糊层次分析法(AGA-FAHP),分析了其具体的操作步骤,探讨了如何应用AGA-FAHP方法在工程项目评标中科学、合理地选择中标人,以保证最优者中标.     

基于结构优化递归神经网络的网络流量预测

针对传统方法预测网络流量精度较低的问题,提出了一种基于改进双线性递归神经网络模型(BLRNN)的非线性网络流量预测方法.首先,给出了双线性递归神经网络的定义及网络结构描述;然后从网络结构和修剪过程两方面对双线性递归神经网络进行优化改进,采用遗传算法全局搜索进行修剪;最后,通过真实工况下的网络流量数据用仿真试验对模型性能进行分析.试验结果表明,优化后双线性递归神经网络模型大幅降低了算法复杂度,提高了计算效率,与传统的多层神经网络预测方法相比,该方法预测精度更高.同时,该方法也为其他具有相似特征的非线性预测问题提供了一种新的研究思路.     

利用遗传算法和支持向量机测算农用地理论单产和可实现单产

为了解决传统的采用一元线性回归法计算农用地理论单产和可实现单产的局限性,该文将遗传算法和支持向量回归机理论应用于农用地产能核算,构建理论单产和可实现单产核算模型。通过建立样点分等因素质量分与理论单产的遗传算法支持向量回归机（genetic algorithm-support vector machine,GA-SVM）模型进行理论单产预测;建立样点分等因素质量分和利用系数之积与可实现单产的遗传算法支持向量回归机模型进行可实现单产预测。以广东省揭西县产能核算为例,分别采用GA-SVM模型和一元线性回归模型测算,并将测算结果进行对比分析。研究结果证明,GA-SVM对于理论单产和可实现单产的测算精度更高,适于单个样本值的预测,可以作为农用地产能核算的一种新方法。     

基于遗传算法的高齿弧齿锥齿轮优化设计

提出一种基于遗传算法的高齿弧齿锥齿轮的优化设计方法 ,该方法应用于实例计算 ,取得了比较好的效果 ,达到了大重合度的设计目标。     

桩筏基础优化设计研究

桩筏基础在高层建筑基础应用中具有良好的效果,为了提高桩筏基础的优化设计和成本效益,对桩型和合理选择和优化设计方法做了分析介绍,采用遗传算法的原理对桩筏进行优化分析。并建立施工成本和施工难易度成本相结合的目标函数,确定约束条件和主要变量的选取范围,以降低计算的复杂性。     

矮化密植果园多臂采摘机器人任务规划

为提高矮化密植果园多机械臂采摘机器人的协同作业效率,该研究对存在重叠访问域的多臂协同采摘机器人任务规划进行分析,将多臂协同任务规划问题归纳为异步重叠访问域的多旅行商问题,给出了基于遗传算法的优化求解方法.试验结果表明:该研究所提任务规划算法在求解4个机械臂采摘43和90颗果实的任务规划问题时,分别在500和2000次迭...     

全极化合成孔径雷达高维小样本数据在森林地上生物量估算中的应用

以河北省承德市塞罕坝机械林场为试验区域,设置37块实测样地;以随机森林模型、自适应遗传算法为基础,构建随机森林模型与自适应遗传算法的混合算法(RF-LOOCV-AGA),对高维小样本合成孔径雷达(SAR)数据特征集同时进行特征选择和回归估计;利用试验地大地2号(ALOS-2)全极化数据提取121个高共线性特征,结合实测样地数据,构建高共线性高维小样本数据集,并应用随机森林模型与自适应遗传算法的混合算法、随机森林算法、逐步回归法,分析全极化合成孔径雷达数据估算森林地上生物量时,因样地较少、影响因素维数多存在的高共线性;探索在算法层面各极化分解参数之间存在的高共线性及小样本林业数据回归估计泛化能力。结果表明：随机森林模型与自适应遗传算法的混合算法从121个高共线性特征集中筛选出含19个影响因素的特征子集,交叉留一法验证泛化精度决定系数为0.906 9、均方根误差为14.184 0 t/hm²、相对均方根误差为11.70%;逐步回归法从121个高共线性特征集中筛选出含7个影响因素的特征子集,交叉留一法验证泛化精度决定系数为0.777 0、均方根误差为23.075 9 t...     

基于遗传算法的非负约束组合证券投资决策

讨论了非负约束条件下实现预期投资收益率的组合证券投资的遗传算法。在以往的投资组合中,一些假设往往与复杂多变的金融市场并不是相吻合的,所以对于一些特殊的情况,需要将模型的一些约束条件进行改进。在中国证券市场上,是不允许卖空出现的,因此,需要非负的约束。遗传算法作为一种高效、并行的全局优化搜索方法,已应用到很多领域。通过将遗传算法引入到证券投资分析领域,对最佳证券组合问题进行了优化计算,同时介绍了利用遗传算法计算最佳证券组合问题的求解步骤。