基于时间窗的农机调度技术研究进展

构建合理的跨区域多农机调度服务作业系统可以减少传统农机作业调配方式的成本,避免多区域作业农机的盲目流动,提升农业机械的作业效率.目前,跨区域多农机调度服务作业是我国农业的主要作业方式,智能调度模型和优化算法被广泛应用到农机调度中.针对基于时间窗的农机智能调度技术的特点,综述了农机调度与传统车辆调度的区别,以及国内外学者...     

用于可靠性评测的优化检测方法

在最小方差检测策略基础上,提出了用于可靠性估计的自适应检测算法.通过比较可知,自适应检测算法对可靠性估计的方差值小于操作框架均匀分布的随机检测方法和操作框架指定分布的一般检测方法的值.结果表明了自适应检测算法是有效的.     

一种二元单亲演化差基因变异算法

设计了一种新的单亲遗传算法,该算法对个体和基因分别计算其适应值,并将适应值最差的基因 进行变异,从而大大提高了遗传算法的全局收敛速度。以n皇后问题为例,采用这种算法求解3000个皇 后问题所用时间平均约为55min,而求解100个皇后问题所用时间平均只有约124ms。实验表明,该算法 不仅能在短时内找到全局最优解(精确解),而且具有良好的稳定性。     

RNA二级结构预测算法的研究进展

在简要介绍了RNA的基础知识之后,对RNA二级结构的定义、表示方法、数据库等内容进行了详细阐述,并重点探讨了RNA二级结构预测方法的原理、适用范围及优缺点.目前,传统的RNA二级结构预测方法有比较序列分析法和最小自由能算法;新进发展的算法有支持向量机算法、基于堆积协变信息与最小自由能算法、基于局部茎搜索的算法、基于快速动态权重匹配算法、免疫粒子群算法、基于茎区的自由能算法、质心法.经过预测精度、复杂度、预测假节能力的对比,发现基于堆积协变信息与最小自由能算法和基于快速动态权重匹配算法,预测结果比较理想.     

微生物降解动力学参数估计新算法的比较

为了有效地估计较大范围变化的微生物降解动力学参数,发展了基于瞬时精英保护策略的遗传算法(IEPGA)和简单改进遗传算法(IGA),并和多次在参数区间内获取随机初值联用Matlab的lsqnonlin搜寻的算法进行了比较.这些算法利用模拟数据和文献数据,估计了积分形式的Monod模型参数.结果表明,虽然三者均能较好解决这一问题,但考虑到实际运行规模、时间以及最终结果精度,对于较大范围变化的微生物降解参数估计问题,多次(>20次)随机初值联用lsqnonlin的方法相对两种遗传算法更为可行.     

基于PCA-GA-SVM的甘蔗收获机运行状态识别

由于甘蔗收获机在收获过程中智能化水平较低,依靠人工操作很容易对甘蔗收获机的运行状态产生误判,从而造成物流通道堵塞、能源浪费、收割效率低。针对这些问题,提出一种基于主成分分析(PCA)、遗传算法(GA)和支持向量机(SVM)状态识别模型。首先,通过实地采集甘蔗收获机刀盘轴、行走轴、切段轴和风机轴扭矩和行驶速度特征信息,然后通过PCA进行数据降维,最后利用GA优化参数C、γ,使用每个特性信息来训练SVM,对甘蔗收获机运行状态进行分类。结果表明:PCA-GA-SVM状态识别模型对甘蔗收获机运行状态的识别准确率为93.75%,建模时间为3.688 s,与SVM(81.25%,9.487 s)、PCA-SVM(87.5%,5.817 s)和GA-SVM(90%,8.969 s)进行对比,该模型具有最高准确识别率和最快建模速度,具有较大的应用价值。     

农村区域配电网优化模型和算法的研究

针对城镇配电网中按电压等级选择同一截面导线的不合理性,基本算法的罚函数处理约束稳定性不强和寻优运算差等问题,利用经济电流密度概念、多目标规划理论和遗传算法,研究实数编码并行优化、动态罚函数约束、配电网路径与潮流自识别解码等方法,提出了配电网络多目标经济性优化模型及其算法。通过10kV配电网实例验证表明,该方法提高解的搜索精度,实现规划线路长度和导线截面策略因子并行优化,得到最小投资费用的优化方案。     

马蹄形过水断面正常水深计算的遗传算法

马蹄形过水断面是无压输水隧洞中常采用的断面形式之一 ,因其几何形状复杂 ,水力计算困难。目前常采用的方法有试算法、图解法和迭代法 ,这些方法由于计算量大且精度不易保证 ,不便于在生产实践中应用推广。将马蹄形过水断面正常水深计算转化为非线性优化问题 ,采用实数编码的遗传算法进行求解 ,实例计算表明该方法精度高、通用性强、操作简便 ,便于在生产实践中应用。     

遗传神经网络在温室黄瓜霜霉病预测中的应用

在神经网络结构的优化、连续权重的训练中采用遗传算法的方法对日光温室黄瓜霜霉病进行预测，并对其发生程度进行了拟合，计算值与实际值接近，表明该模型具有良好的预测效果。     

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%。