BOD-DO水质模型多参数反演的遗传算法

给出了利用遗传算法求解河流水质BOD-DO模型参数反演的一种新方法,该方法把参数反演问题转化为优化问题用遗传算法求解,其特点在于:从多个初始点开始寻优,并借助交叉、变异算子来获得水质参数的全局最优解。模拟结果表明,该方法具有精度高,收敛速度快且易于计算机实现等特点。     

基于自适应遗传算法的PID参数寻优

针对工业过程中常见的二阶大滞后对象的PID参数调节问题,采用自适应遗传算法对PID控制进行参数寻优,并将结果与常用的PID参数寻优方法进行比较,仿真实验结果表明,在PID参数的寻优问题中,自适应遗传算法采用自动改变变异概率的方法,提高了控制系统的自适应性。     

基于IAGA-BP算法的高拱坝-坝基力学参数反演分析

基于监测资料对坝体和坝基的力学参数进行反演,对大坝的安全评价具有重要意义。该文提出了基于改进自适应遗传算法和BP神经网络(IAGA-BP)的力学参数反演分析方法,采用考虑权重的绝对百分误差作为目标函数,可以针对多点监测资料和非线性数值仿真进行力学参数反演。基于正常蓄水位下拱坝坝体、坝基及拱肩槽边坡等25个测点的实测变形,对坝体混凝土、基础岩体及结构面的多个材料分区的11个关键力学参数进行了反演分析。结果表明,反演值和实测值吻合较好,将材料参数作为输入层、测点变形作为输出层有效避免了反演值的“失真”问题。针对高拱坝-坝基系统的力学参数反演,分析了神经网络拓扑结构、目标函数、训练样本数量等对反演结果的影响。     

基于自适应遗传算法的PID参数寻优

针对工业过程中常见的二阶大滞后对象的PID参数调节问题,采用自适应遗传算法对PID控制进行参数寻优,并将结果与常用的PID参数寻优方法进行比较,仿真实验结果表明,在PID参数的寻优问题中,自适应遗传算法采用自动改变变异概率的方法,提高了控制系统的自适应性.     

遗传算法参数自适应控制的新方法

根据遗传算法参数自适应控制方法的不同分类,采用基于启发式规则的参数控制方法对遗传算法的种群数进行了宏观调控和微观调控。并采用不同特点的模糊控制器分别控制交叉率和变异率,使种群数、交叉率和变异率都能够随进化的实际情况发生自动调整,形成了一种新的种群数变化的模糊自适应遗传算法。实验数据表明这种算法能够有效防止遗传算法早收敛,同时也说明对参数进行自适应控制能够使遗传算法性能大大提高。     

Multi-Agent混合遗传算法在岩性参数反演中的应用

结合智能体对周围环境的感知能力和遗传算法的随机搜索能力,以及模拟退火算法的局部搜索能力,设计了一种多智能体混合遗传算法。智能体在已初始化的网格内进行邻域竞争、交叉、变异操作,然后独立地对各个智能体进行模拟退火操作,找到全局最优智能体。将该方法应用到理论模型的AVA岩性参数反演中,说明该方法是有效的。     

一种自适应免疫遗传算法及其在系统辨识和参数优化中的应用

基于遗传算法与免疫系统的机理,提出了一种自适应免疫遗传算法(AIGA).该算法定义了选择、扩展与突变等操作,通过对选择比例、扩展半径、突变半径的约束和参数的自适应调节,提高了算法的全局与局部搜索能力.同时,将AIGA用于系统辨识以及PID参数的优化中,进行了仿真实验,取得了较好的结果,证明了该方法的有效性.     

自适应遗传算法在视频摘要中的应用

提出了一种基于自适应遗传算法的视频摘要模型.通过采用标准种群多样性和健康种群多样性来控制遗传算法中的3个关键算子:交叉、变异和选择.结果表明,在视频摘要的研究中提出的自适应遗传算法避免了传统遗传算法局部收敛的问题,可以保证种群的多样性和算法的不断寻优能力,视觉效果更好.     

综合遗传算法及其在地震波阻抗反演中的应用

为了有效地克服非线性、多参数、多极值的组合优化问题中遗传算法的早熟收敛现象,引入生物的小生境技术和自然界生物多种杂交方式并存、多个子群体并行以及灾变现象而提出了一种综合的快速基因搜索策略。该算法以多个子群体不同杂交方式并行搜索为主,并结合排序配对的受限交配技术和灾变算子等方法来实现快速的寻优过程。对地震资料波阻抗反演的理论模型试验表明:该算法的收敛能力和计算效率有了明显改善。     

遗传算法在PID自适应控制中的应用

提出一种基于遗传算法的PID自适应控制结构,给出控制结构框架,利用遗传算法来优化PID参数,本文利用遗传算法的全局寻优的特点,将它应用于PID参数的寻优计算,从而提高PID控制器的控制性能和自适应能力。仿真的结果表明,笔者提出的遗传算法和PID控制相结合的控制方法鲁棒性强,控制品质优良,在很大程度上改善了常规PID控制器的控制性能。     

大地电磁反演中改进的自适应正则化因子选取研究

通过建立大地电磁(MT)层状地电模型,利用共轭梯度法求解反问题,在给定不同初始模型的条件下对多种正则化因子选取方法进行了计算比较,分析了各种方法的特点和使用条件.结果表明,自适应正则化算法的效果与传统的定值方法如L曲线法相近,但反演过程远比传统方法便捷.为了解决反演依赖于初始模型的局限并增强解的稳定性,基于多种自适应正则化方案的对比分析,提出了改进的自适应正则化方案,选取数据拟合泛函与模型稳定泛函较大的比值为正则化因子的初始值,并提出相应的调整方案自动控制正则化因子衰减.模型试验表明,该方法对初始模型的依赖性低于其他几种自适应的算法,反演结果的稳定性较强,可以进一步提高正则化反演的效率.     

基于特殊二进制编码的自学习模糊遗传算法

为了提高自适应遗传算法(AGA:Adaptive Genetic Algorithm)的鲁棒性,并使之更有效地求解属于NP难类型的组合优化问题,提出了一种自学习模糊自适应遗传算法.该混合算法利用一个特殊二进编码标准GA在线学习AGA运行特性;通过强化学习方式自动设计和调整模糊知识系统,基于GA的自学习模糊技术可以获取AGA所需的优化模糊系统.仿真试验演示了采用所提出自动化方式设计的动态参数AGA系统及其自学习结果.试验结果表明,该算法可以用于解决类似于旅行商问题的组合优化问题.     

基于并行改进遗传算法的拱坝位移反分析

引入小生境技术和自适应杂交变异概率方法,基于并行有限元程序,给出了适合推求拱坝和地质力学参数的位移反分析并行遗传算法,并编制了相应的程序,利用地质力学模型试验数据,对溪洛渡拱坝进行了位移反分析,得到了和试验相一致的坝体混凝土和地基岩体的力学参数。结果表明,该算法可以有效解决简单遗传算法的早熟收敛问题,收敛效率得到明显提高。当采用16个CPU进行并行计算时,可以达到42%的计算效率,表明该算法适用于拱坝这样复杂的三维结构的位移反分析,可以大大减少拱坝位移反分析的时间。     

基于混合遗传算法的叠前随机反演方法

针对常规随机反演方法计算效率低的问题,提出一种基于混合遗传算法的叠前随机反演方法。该方法充分利用测井资料中的高频信息,并以地震数据作为约束,首先通过快速傅里叶滑动平均(fast Fourier transform-moving average,FFT-MA)谱模拟算法进行随机模拟得到基于地质统计学的初始模型信息,随后结合提出的混合遗传算法对模拟结果进行快速优化,得到符合地下地质结构的反演剖面,实现对叠前弹性参数的反演。混合遗传算法避免了一般遗传算法常见问题,如收敛速度慢以及产生"早熟"现象,与模拟退火相结合能够快速收敛达到全局最优,保证了反演精度。数值试验结果表明,融入混合遗传算法的叠前随机反演方法,在充分利用叠前信息的同时可以保证反演结果有效收敛,并且与模型数据吻合较好,与传统的叠前反演方法相比具有较高的分辨率,在储层识别和油藏描述中起到了重要作用。     

基于自适应遗传算法的粒子滤波器

针对重采样导致的权值退化问题,应用遗传算法的进化思想来优化重采样算法,将粒子权值作为适应度值,合理设定阈值,利用最佳个体保存法保存高适应度粒子,利用自适应交叉、变异操作对低适应度粒子进行进化,将高适应度粒子与进化粒子组合成新的粒子集进行状态估计.仿真实验表明,该算法具有良好的实时性和估计精度,其状态估计精度比标准粒子滤波提高近24倍,比无迹卡尔曼粒子滤波提高近4倍,耗时约为无迹卡尔曼粒子滤波的1/10.     

基于遗传算法的波阻抗混合反演处理系统

提出一种基于遗传算法的波阻抗混合反演处理新方法,应用Visual C 集成的MFC类库建立了基于遗传算法的波阻抗混合反演处理系统.文中简述了遗传算法混合反演的基本原理、系统结构及功能,介绍了系统的主要特点,用数值模型与实际地震信号检测了系统中f-x去噪、目标函数子波提取、混合反演处理的正确性.结果表明波阻抗混合反演处理系统处理效果明显,同时提高了应用遗传算法实现波阻抗反演处理的效率.     

MT资料反演的一种实数编码混合遗传算法

设计了一种求解一维大地电磁测深反演问题的实数编码混合遗传算法,它是通过单纯形搜索与遗传算法结合而成。针对传统的遗传算法在优化应用中存在局部搜索能力弱、计算量大、对较大空间适应能力弱和早熟收敛,而基于局部线性化的单纯形法易使解陷入局部极小值,严重依赖初始模型的选择等问题,在遗传算法中加入一个改进的单纯形搜索算子,并采用最优群体保留策略。该新算法既具有遗传算法的全局收敛性,又具有单纯形法的快速收敛性。对各种类型的大地电磁测深理论曲线进行计算,结果表明:采用实数编码混合遗传算法进行反演具有收敛速度快、解的精度高和避免出现早熟等优点,可用于大地电磁资料解释。     

基于生物入侵思想的自适应遗传算法优化

为了改进遗传算法的性能,针对标准遗传算法存在的早收敛及稳定性差的缺点,分析这一问题的原因及应对措施。选择使用基于生物入侵思想的自适应遗传算法进行优化,根据种群的实际情况对交叉概率、变异概率及入侵概率进行动态调整,使算法具有更好的鲁棒性。通过对标准遗传算法、自适应遗传算法、改进的自适应遗传算法和基于生物入侵思想的自适应遗传算法进行仿真验证得知,优化后的算法具有更好的适应度曲线,表明其能够有效的克服不成熟收敛,具有更快的收敛速度及更好的的稳定性。