面積再分配和遺傳算法的換熱網(wǎng)絡改造

基于遺傳算法的公路養(yǎng)護資源最優(yōu)分配——　　為尋找資源最優(yōu)分配時的養(yǎng)護策略，采用遺傳算法進行求解．將多年養(yǎng)護策略表示為染色體，每種養(yǎng)護方式采用二進制編碼形式用兩個基因表示，各年的養(yǎng)護策略由路面和橋面兩部分構成，并通過試驗標定遺傳算法的主要參數(shù)...

公路養(yǎng)護資源分配中遺傳算法的參數(shù)優(yōu)化——為辨明公路養(yǎng)護資源優(yōu)化分配中遺傳算法參數(shù)對運算效率和精度的影響，提出基于正交試驗的參數(shù)優(yōu)化方法．選取種群規(guī)模與迭代次數(shù)比例、交叉形式和變異概率3個參數(shù)，利用正交設計方法進行3因素3水平試驗，建立主效應和交...

建立bp(backpropagation)神經網(wǎng)絡與遺傳算法相結合的電力負荷預測模型。在該模型中,利用遺傳算法具有的全局尋優(yōu)特點,將bp網(wǎng)絡的初始權值優(yōu)化到一個較小的范圍,然后再用bp算法在該范圍內繼續(xù)優(yōu)化,以便使優(yōu)化算法既能實現(xiàn)全局最優(yōu)求解,又能獲得較快的求解速度。最后,通過仿真算例,與傳統(tǒng)bp網(wǎng)絡優(yōu)化結果、及各種擬合方法獲得結果進行比對,驗證了計算方法的可行性和優(yōu)越性。

闡述了企業(yè)信息化水平評價問題的現(xiàn)狀,提出了運用遺傳算法(ga)優(yōu)化bp神經網(wǎng)絡的評價方法,避免了傳統(tǒng)評價方法確定權重值的主觀隨意性,并且克服了bp網(wǎng)絡中的局部極小缺陷,使訓練速度加快,在建立bp-ga網(wǎng)絡信息化評價模型的基礎上,利用樣本公司實際指標數(shù)據(jù)對模型的評價效果進行了檢驗,并與傳統(tǒng)bp網(wǎng)絡模型的評價結果進行了比較研究。

提出了將溫差發(fā)電器對內燃機排氣背壓的影響納入溫差發(fā)電器的優(yōu)化設計過程的觀點,設計了一套新的溫差發(fā)電器優(yōu)化方案。以發(fā)電器尺寸參數(shù)為設計變量,以排氣背壓、質量作為約束條件,以發(fā)電片溫差為目標進行優(yōu)化設計。利用中心復合設計法選取試驗點,對試驗點進行cfd仿真,采用高預測精度的改進bp神經網(wǎng)絡擬合設計變量與目標函數(shù)間的關系,再利用遺傳優(yōu)化算法在設計空間尋找最佳設計點。優(yōu)化后消除了發(fā)電器對排氣背壓的影響,溫差提高了8.8%,質量降低了6.7%。

從神經網(wǎng)絡和遺傳算法的原理出發(fā),利用遺傳算法和神經網(wǎng)絡相結合的策略對結構參數(shù)進行優(yōu)化.在確定結構優(yōu)化的目標函數(shù)和設計變量集合的基礎上,用神經網(wǎng)絡學習算法建立貨架結構設計參數(shù)與結構重量、結構最大應力、最大位移等的非線性全局映射關系,獲得遺傳算法求解結構優(yōu)化問題所需的目標函數(shù),用遺傳算法進行優(yōu)勝劣汰的尋優(yōu)搜索運算,從而求出所需最優(yōu)解.以貨架結構的優(yōu)化為例說明了上述方法的應用.遺傳算法和神經網(wǎng)絡的優(yōu)化結果是在正交設計法確定的訓練樣本足夠大的基礎上得出的,具有較強的可靠性.

神經網(wǎng)絡隱藏層數(shù)量的選擇以及權重值的確定對訓練算法的收斂性有很大影響,為了解決神經網(wǎng)絡(ann)訓練過程中結構復雜的問題,提出了一種基于遺傳算法(ga)的網(wǎng)絡結構優(yōu)化方法。試驗結果表明,在訓練樣板數(shù)量較大時,優(yōu)化后的ann能夠計算出隱藏層的最佳數(shù)量,從而提高整體的性能,具有較好的泛華能力。

根據(jù)某建筑中央空調系統(tǒng)的工作參數(shù),創(chuàng)建bp神經網(wǎng)絡模型,得到輸入輸出的映射關系.利用遺傳算法尋找中央空調系統(tǒng)的最佳工作參數(shù),對遺傳算法的優(yōu)化結果進行分析.利用圖形分析法驗證遺傳算法得到的結果是全局最優(yōu)解.當冷卻水進口溫度為室外溫度、冷水出口溫度為設置范圍內的最大值時,空調功耗最小.

優(yōu)化電解碲電源對電解行業(yè)節(jié)能增效、提高電解產品質量和改善電網(wǎng)環(huán)境具有重要意義.電源前級采用三相電壓型pwm整流器；在建立pwm整流器數(shù)學模型的基礎上；通過改進雙閉環(huán)pi控制策略；即外環(huán)基于并行搜索全局尋優(yōu)的遺傳算法優(yōu)化bp神經網(wǎng)絡權值和閾值的智能控制方法；分析網(wǎng)側電流波形和諧波含量；可得到所需的額定電解電壓和電流；以matlab/simulink軟件為平臺進行仿真計算.結果表明:ga-bp(geneticalgorithm-backpropagation)算法具有輸出電壓平穩(wěn)、響應速度快、超調量小、抗干擾性強等優(yōu)點.

基于遺傳算法的燒結配料優(yōu)化方法 摘要：配料是燒結的基礎，燒結配料效果的好壞直接影響到企 業(yè)的生產效益。傳統(tǒng)的燒結配料試算模型存在配料成分不穩(wěn)定，配 料成本高等諸多弊端，本文介紹了利用遺傳算法進行燒結優(yōu)化配料 的方法，將優(yōu)化方案應用到實際生產中取得明顯的經濟效益。 關鍵詞：燒結優(yōu)化配料遺傳算法 中圖分類號：tf04文獻標識碼：a文章編號：1007-9416（2013） 01-0118-02 1前言 配料是燒結的基礎，燒結配料效果的好壞直接影響到燒結礦的 化學成分及穩(wěn)定性，并影響到原料的使用成本。傳統(tǒng)的試算模型存 在配料成分不穩(wěn)定，配料成本高，配料能力不足，資源利用不合理 等諸多弊端。而傳統(tǒng)的求解最優(yōu)化方法又大多要求搜索空間具有連 續(xù)可導性，且通常只能給出局部最優(yōu)解，不易獲得全面最優(yōu)解。 近幾年來發(fā)展起來的遺傳算法則較好地解決了這些問題，遺傳 算法（geneticalgori

基于遺傳算法的改進BP神經網(wǎng)絡模型在水質評價中的應用

分析了城市淺埋隧道開挖地表沉降的主要影響因素,并建立了基于遺傳算法的神經網(wǎng)絡淺埋隧道開挖地表沉降預測模型.使用有限元數(shù)值模擬正演算法獲得神經網(wǎng)絡模型學習樣本,對模型進行學習訓練.該預測模型在某市輕軌隧道地表沉降預測中進行使用,結果表明:基于遺傳算法的神經網(wǎng)絡對隧道開挖地表沉降的預測是可行的,預測結果比較準確,能較好地指導隧道施工,確保地表建筑物的安全.

針對bp神經網(wǎng)絡易陷入局部最優(yōu)和遺傳算法全局搜索速度過慢的缺點及水利定額編制中存在非線性和復雜性的實際狀況,提出采用遺傳算法（ga）優(yōu)化bp神經網(wǎng)絡在水利定額編制中的問題。實例分析表明,優(yōu)化后模型（ga-bp神經網(wǎng)絡）結合了bp神經網(wǎng)絡的非線性逼近、局部尋優(yōu)能力和遺傳算法的全局搜索特性,在穩(wěn)定性、預測精度、收斂速度上均優(yōu)于bp神經網(wǎng)絡,可運用于水利定額編制。

為了實現(xiàn)樁身完整性的智能分類,并減少人為因素造成的誤判,文章建立適用于樁基完整性檢測的基于遺傳算法的bp神經網(wǎng)絡模型,運用matlab軟件對模型進行模擬,并求出模型的可行性的解,從而實現(xiàn)對不同類型樁身的完整性智能辨別的功能,最后再通過測試樣本對模型的正確性進行驗證。測試樣本中的預測結果與理想結果非常接近,通過計算得出測試樣本的仿真誤差為0.1538,訓練樣本的仿真誤差為0.092644。結果表明,基于遺傳算法的bp神經網(wǎng)絡模型能過較好的對樁身完整性進行分類,并且在減少樁型誤判的情況下,又提高了效率,在實際工程中具有良好的應用前景。

目的將改進的神經網(wǎng)絡模型應用于鉆孔灌注樁樁孔質量的智能化識別,從而減少人為的誤判、漏判情況.方法將遺傳算法與神經網(wǎng)絡模型有機地結合起來,建立樁孔質量檢測的智能化模型,先利用遺傳算法對神經網(wǎng)絡的權值和閾值進行優(yōu)化,再結合訓練完成的神經網(wǎng)絡模型對樁孔質量進行預測,同時根據(jù)現(xiàn)場數(shù)據(jù)建立三維分析圖,通過預測結果與三維分析圖的比對來驗證模型的準確性.結果測試樣本的仿真誤差為0.00575,訓練樣本的仿真誤差為0.0224;5、6號樁孔的預測結果為(0.0012,0.9999),(0.0027,0.0051),即5號樁質量為合格,6號樁質量為良好.結論通過預測結果與三維分析圖的比對結果,可以得出基于遺傳算法的神經網(wǎng)絡模型能夠較好地對孔灌注樁進行智能判別.

目的將改進的神經網(wǎng)絡模型應用于鉆孔灌注樁樁孔質量的智能化識別,從而減少人為的誤判、漏判情況.方法將遺傳算法與神經網(wǎng)絡模型有機地結合起來,建立樁孔質量檢測的智能化模型,先利用遺傳算法對神經網(wǎng)絡的權值和閾值進行優(yōu)化,再結合訓練完成的神經網(wǎng)絡模型對樁孔質量進行預測,同時根據(jù)現(xiàn)場數(shù)據(jù)建立三維分析圖,通過預測結果與三維分析圖的比對來驗證模型的準確性.結果測試樣本的仿真誤差為0.00575,訓練樣本的仿真誤差為0.0224;5、6號樁孔的預測結果為(0.0012,0.9999),(0.0027,0.0051),即5號樁質量為合格,6號樁質量為良好.結論通過預測結果與三維分析圖的比對結果,可以得出基于遺傳算法的神經網(wǎng)絡模型能夠較好地對孔灌注樁進行智能判別.

節(jié)點的安全性是ad-hoc網(wǎng)絡面臨的重要問題,因為通過非安全節(jié)點可以竊取、篡改網(wǎng)絡中的數(shù)據(jù)包,甚至對網(wǎng)絡造成致命性的破壞。通常情況下,ad-hoc網(wǎng)絡是借助于基于密鑰的認證算法來實現(xiàn)節(jié)點的安全性保障的,但是這些認證算法并不適用于ad-hoc的特殊網(wǎng)絡環(huán)境。將遺傳算法應用于節(jié)點安全性認證領域,通過基于多目標優(yōu)化的認證機制,取代了密鑰認證機制。通過模擬實驗表明,基于多目標優(yōu)化的認證機制,在ad-hoc網(wǎng)絡環(huán)境中,性能較為優(yōu)越。

建立bp（backpropagation）神經網(wǎng)絡與遺傳算法相結合的電力負荷預測模型。在該模型中，利用遺傳算法具有的全局尋優(yōu)特點，將bp網(wǎng)絡的初始權值優(yōu)化到一個較小的范圍，然后再用bp算法在該范圍內繼續(xù)優(yōu)化，以便使優(yōu)化算法既能實現(xiàn)全局最優(yōu)求解，又能獲得較快的求解速度。最后，通過仿真算例，與傳統(tǒng)bp網(wǎng)絡優(yōu)化結果、及各種擬合方法獲得結果進行比對，驗證了計算方法的可行性和優(yōu)越性。

所謂計算機網(wǎng)絡可靠性其實就是指計算機網(wǎng)絡的可用性,也就是具備計算機網(wǎng)絡各用戶間互相連通能力的強弱。優(yōu)化計算計算機網(wǎng)絡可靠性是目前業(yè)界所關注的熱點話題。與傳統(tǒng)算法相比較,遺傳算法優(yōu)點更多,不僅算法的結構比較簡單、便于求解以及搜索高效,在進行全局計算的時候還可獲得最優(yōu)的近似。遺傳算法具有較好的實用性、簡易的算法結構以及較快的求解速度能夠求出近似值的最優(yōu)解,在解決網(wǎng)絡可靠性優(yōu)化計算問題上有著明顯的優(yōu)勢。

首先介紹了無功優(yōu)化的定義及在配電網(wǎng)中的作用,然后介紹了經過改進的遺傳算法在配電網(wǎng)無功補償優(yōu)化方面的應用,并且與傳統(tǒng)遺傳算法相比,改進的遺傳算法解決了傳統(tǒng)遺傳算法過早收斂的問題,同時存在局部最優(yōu)、計算復雜的缺點。

在彎管前安裝擾流子，可以減小彎管處二次流強度，降低能量損失，并運用cfd軟件對不同參數(shù)下的擾流子節(jié)能效果數(shù)值計算。以l9（33）正交試驗以及4組補充試驗作為bp神經網(wǎng)絡的訓練樣本，建立在5種雷諾數(shù)下擾流子節(jié)能效率與擾流子葉片轉角、葉片長度、安裝距離3個結構參數(shù)的非線性映射關系；擾流子節(jié)能效率最大值作為目標函數(shù)，再結合遺傳算法進行結構參數(shù)優(yōu)化。最終得到在不同雷諾數(shù)下擾流子葉片轉角、葉片長度、安裝距離的最佳組合形式，并利用有限元方法對結果驗證。結果表明，這種優(yōu)化方案具有可行性；合適的結構參數(shù)的擾流子具有良好的節(jié)能效果。

在彎管前安裝擾流子,可以減小彎管處二次流強度,降低能量損失,并運用cfd軟件對不同參數(shù)下的擾流子節(jié)能效果數(shù)值計算.以l9(33)正交試驗以及4組補充試驗作為bp神經網(wǎng)絡的訓練樣本,建立在5種雷諾數(shù)下擾流子節(jié)能效率與擾流子葉片轉角、葉片長度、安裝距離3個結構參數(shù)的非線性映射關系;擾流子節(jié)能效率最大值作為目標函數(shù),再結合遺傳算法進行結構參數(shù)優(yōu)化.最終得到在不同雷諾數(shù)下擾流子葉片轉角、葉片長度、安裝距離的最佳組合形式,并利用有限元方法對結果驗證.結果表明,這種優(yōu)化方案具有可行性;合適的結構參數(shù)的擾流子具有良好的節(jié)能效果.