基于粗集理论的数据库知识发现的属性约简算法

讨论了Rough集理论中属性约简问题,提出了数据库知识发现过程中用于属性约简的基于属性重要性的约简算法,基于差别矩阵的属性约简算法和基于遗传算法的属性约简算法,从而可以导出数据库中属性约简问题的相对最优解。     

基于遗传神经网络的苹果综合分级系统

充分利用计算机视觉和人工神经网络技术 ,建立了一个苹果综合外观品质检测与分级系统 ,实现了对苹果的正确分级 ,正确识别率可达 90 .8%。还借助于遗传算法对 BP网络进行设计 ,提高了其学习速度。     

油气集输系统拓扑布局优化的混合遗传算法

给出了油气集输系统拓扑布局优化问题的数学模型，对其计算的复杂性进行了分析。根据模型的特点，采用了混合遗传算法进行求解，将局部搜索算法的快速性与遗传算法的全局收敛性有机地结合起来，有效避免了因初始值不同对优化结果造成的不利影响。实例计算表明，混合遗传算法优于传统的分级优化法。     

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.     

遗传算法与模拟退火算法在神经网络优化中的性能分析

神经网络有以任意精度逼近未知函数的能力，所以被广泛应用于各种领域中。目前广泛应用于神经网络优化的方法是反向传播（BackPropagation，BP），但是BP的全局搜索能力很有限，而全局搜索方法是神经网络优化问题很有潜力的办法。文中研究了两种全局优化算法：遗传算法（GeneticAlgorithm，GA）和模拟退炎（Simu-lated Annealing，SA），并且比较了它们在神经网络优化中的性能。     

基于遗传算法与粒子群算法的配电网无功优化

根据遗传算法(GA)收敛效果好和粒子群算法(PSO)收敛速度快的特点,将两者相结合对配电网无功优化模型进行求解。计算结果表明:该算法是收敛的、有效的。     

预测腐蚀管道剩余强度的新方法

将BP神经网络和遗传算法相结合,得到了一种可计算腐蚀管道剩余强度和最大允许注水压力的新神经网络.通过实例分析,将7种常用规范和改进的遗传神经网络方法进行了比较.结果表明,不同计算方法得到的剩余强度和最大允许注水压力相差较大,Wes 2805-97规范、ASMEB31G规范、CVDA-84规范、Irwin断裂力学方法等都比J积分方法的剩余强度和最大允许注水压力偏大;Burdiken和DM断裂力学方法计算得到的剩余强度和最大允许注水压力比J积分偏小;J积分方法和基于J积分方法的改进遗传神经网络方法计算结果比较接近,比较适中,可以认为是计算管道剩余强度和最大允许注水压力较好的方法.     

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。     

基于粒子群复形法优化复垦土地结构

针对我国人多地少、土地破坏的严重性，特别在矿区，破坏更为严重，及时恢复被破坏土地的使用价值对保持经济的持续发展是很必要的。在资金有限的情况下，如何合理地规划复垦土地的结构，一方面使土地复垦得以顺利地进行，另一方面又使经济效益达到最大化，是管理者所面临的问题。通过数学建模，这是一个带有约束条件的优化问题，针对这一问题，本文通过惩罚函数法把它化为无约束的优化问题，最后提出用粒子群算法改进的复形法进行求解。实例分析表明算法的有效性与简洁性，为复垦土地的结构优化提供一条有效的解决途径，增加规划的科学性、现实性和可操作性。     

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。