基于SAGA-FCM的煤与瓦斯突出预测方法

为提高模糊C-均值聚类（Fuzzy C-Means Clustering Algorithm,FCM）算法在煤与瓦斯突出预测中的准确度,提出一种将模拟退火算法（Simulated Annealing Algorithm,SA）与遗传算法（Genetic Algorithm,GA）相结合用于模糊C-均值聚类分析的煤与瓦斯突出预测方法。该方法综合了模拟退火算法全局搜索、高精度的优点和遗传算法强大的空间搜索能力,将经遗传模拟退火算法优化后的初始值赋给FCM,避免了由于聚类中心初始值选择不当造成FCM算法收敛到局部极小点上。结合典型突出矿井数据进行分析,结果表明：遗传模拟退火算法优化后的FCM算法较单一,预测准确度高。     

1880年以来的全球升温趋势探究

由于导致全球温度异常的因素的多样性,使得至21世纪末全球温度是否将持续上升存在较大的不确定性。文章基于新兴的非数值算法的遗传算法,对1880~2009年全球温度异常数据,做了驱动因子挖掘,将全球温度异常分解为人类活动的碳排放造成的温度波动和全球气候系统自然振动的温度波动两部分。研究发现,当前全球气候系统存在持续变暖的趋势,至2100年,全球温度将上升约1.84~2.11℃。然而这个趋势叠加了由于全球气候系统周期性振动造成的周期性冷相位,表现出局部时段全球温度的平稳或下降,并分别发生于2005~2030年和2071~2085年前后, 冷相位的持续时间呈缩短趋势。     

基于子空间的二维大地电磁量子遗传反演法研究

量子遗传算法作为一种高效的优化算法,仍存在容易陷入局部极值的缺点.为提高算法的高效性,并探讨将算法应用于大地电磁二维反演的可行性和有效性,本文对算法进行了改进,并通过一维两层D型和四层HK型模型数值试验验证了改进的有效性.然后将改进后的算法引入二维大地电磁反演,在引入滑动子空间思想,同时只考虑最简化反演条件的前提下,对一个简单的二维低阻地电模型进行了传统量子遗传算法和改进量子遗传算法的反演,结果说明了将量子遗传算法引入基于子空间的二维大地电磁反演是可行的和有效的,而且改进的算法效果要优于传统算法.最后对实测资料进行了反演,得到了比较好的结果.     

多子群遗传神经网络模型用于路口短时交通流量预测

作为智能交通系统ITS的基础和关键问题,交通流量预测方法的研究有着重要的意义。为适应交叉路口短时交通流量的实时变化性和非线性性,本文提出将一种多子群遗传神经网络算法（MPGNN）应用于交叉路口短时交通流量预测的方法,结合BP网络对非线性问题良好的求解能力和遗传算法优良的全局寻优能力,并建立遗传算法的多个子种群来搜索BP网络的最佳结构。通过对武汉市珞瑜路、武珞路、珞狮南路、珞狮北路交叉路口的短时交通流量进行预测分析,取得了良好的实验效果。根据预测结果对该路段的交通流量进行重新分配和控制,对缓解珞瑜路和武珞路段高峰时期交通流量的压力具有重要作用。     

基于遗传算法的曲面拟合参数辨识

从参数辨识的角度来看,曲面拟合需要求解出坐标平移、旋转以及标准曲面方程参数。利用遗传算法在该领域的优势,对经典简单遗传算法的缺陷进行了一系列改进。用MATLAB语言实现了改进算法的程序包。在雷达天线椭圆抛物面表面检测的工程实例以及一个模拟复杂曲面算例中,分别采用文章中的改进遗传算法和简单遗传算法进行了多次运算,对结果进行了比较。应用和比较结果表明,遗传算法能够较好地应用于空间曲面拟合,且本改进算法更具优势。     

基于遗传和蚁群组合算法优化的遥感图像分割

将遗传算法和蚁群算法组合对模糊聚类进行优化,巧妙地对图像的像素特征和空间特征进行提取,利用这些特征作为聚类依据,将图像的多个特征结合到智能计算中,充分利用了遗传算法和蚁群算法各自的优势和特点,既提高了图像分割的准确性,又加快了分割过程的速度。实验结果表明,遗传算法和蚁群组合算法优化的模糊聚类是一种性能良好的遥感图像分割方法。     

利用GA和GIS的动态路径诱导算法

在建立时间依赖的动态交通网络模型的基础上,提出了基于遗传算法(GA)和GIS的动态路径诱导算法。针对动态交通网络的特性,设计了特定个体适应值函数和选择、交叉、变异算子。仿真实验结果验证了此算法的高效性。     

一种基于遗传算法和BP神经网络的选星方法

在BDS/GPS组合定位中,选择空间位置最优的卫星组合是第一步,也是十分重要的一步.传统选星算法在选取最佳卫星组合过程中涉及大量的矩阵乘法和求逆运算,计算量大,定位实时性低.为解决快速选星定位问题,综合考虑定位精度和实时性要求,提出一种新的选星算法,该算法将BP神经网络和遗传算法相结合,并将几何精度因子(GDOP)作为判断定位精度高低的依据.将应用该算法得到的GDOP和运算时间与最小几何精度因子法所得对应结果进行比较,实验结果表明,该算法在大大减小了计算量的同时保证了定位精度,具有良好的实时性和可行性.     

一种基于数据的核优化新方法

针对核优化问题进行了研究,给出了一种基于数据的智能核优化新方法。算法利用UCI数据和美国实测合成孔径雷达图像数据进行仿真实验,结果验证了该方法的有效性和可行性。     

多目标遗传算法在水下机器人路径规划中的应用

依据VCF电子海图,提出了一种对水下机器人进行路径规划的多目标遗传算法,采用可变长的实数坐标编码、适应度函数评价了影响航路优劣的多个因素,设计了选择、交叉、变异、修补、删除等遗传算子以及种群置换方法。在生成初始种群和设计遗传算子时引入领域知识,使所生成路径尽量不穿越障碍区域,有效地提高了大范围路径规划算法的收敛速度。试验表明,采用该MOGA算法进行路径规划可提高算法的收敛速度和全局寻优能力。