面积再分配和遗传算法的换热网络改造

基于遗传算法的公路养护资源最优分配——　　为寻找资源最优分配时的养护策略，采用遗传算法进行求解．将多年养护策略表示为染色体，每种养护方式采用二进制编码形式用两个基因表示，各年的养护策略由路面和桥面两部分构成，并通过试验标定遗传算法的主要参数...

公路养护资源分配中遗传算法的参数优化——为辨明公路养护资源优化分配中遗传算法参数对运算效率和精度的影响，提出基于正交试验的参数优化方法．选取种群规模与迭代次数比例、交叉形式和变异概率3个参数，利用正交设计方法进行3因素3水平试验，建立主效应和交...

建立bp(backpropagation)神经网络与遗传算法相结合的电力负荷预测模型。在该模型中,利用遗传算法具有的全局寻优特点,将bp网络的初始权值优化到一个较小的范围,然后再用bp算法在该范围内继续优化,以便使优化算法既能实现全局最优求解,又能获得较快的求解速度。最后,通过仿真算例,与传统bp网络优化结果、及各种拟合方法获得结果进行比对,验证了计算方法的可行性和优越性。

阐述了企业信息化水平评价问题的现状,提出了运用遗传算法(ga)优化bp神经网络的评价方法,避免了传统评价方法确定权重值的主观随意性,并且克服了bp网络中的局部极小缺陷,使训练速度加快,在建立bp-ga网络信息化评价模型的基础上,利用样本公司实际指标数据对模型的评价效果进行了检验,并与传统bp网络模型的评价结果进行了比较研究。

提出了将温差发电器对内燃机排气背压的影响纳入温差发电器的优化设计过程的观点,设计了一套新的温差发电器优化方案。以发电器尺寸参数为设计变量,以排气背压、质量作为约束条件,以发电片温差为目标进行优化设计。利用中心复合设计法选取试验点,对试验点进行cfd仿真,采用高预测精度的改进bp神经网络拟合设计变量与目标函数间的关系,再利用遗传优化算法在设计空间寻找最佳设计点。优化后消除了发电器对排气背压的影响,温差提高了8.8%,质量降低了6.7%。

从神经网络和遗传算法的原理出发,利用遗传算法和神经网络相结合的策略对结构参数进行优化.在确定结构优化的目标函数和设计变量集合的基础上,用神经网络学习算法建立货架结构设计参数与结构重量、结构最大应力、最大位移等的非线性全局映射关系,获得遗传算法求解结构优化问题所需的目标函数,用遗传算法进行优胜劣汰的寻优搜索运算,从而求出所需最优解.以货架结构的优化为例说明了上述方法的应用.遗传算法和神经网络的优化结果是在正交设计法确定的训练样本足够大的基础上得出的,具有较强的可靠性.

神经网络隐藏层数量的选择以及权重值的确定对训练算法的收敛性有很大影响,为了解决神经网络(ann)训练过程中结构复杂的问题,提出了一种基于遗传算法(ga)的网络结构优化方法。试验结果表明,在训练样板数量较大时,优化后的ann能够计算出隐藏层的最佳数量,从而提高整体的性能,具有较好的泛华能力。

根据某建筑中央空调系统的工作参数,创建bp神经网络模型,得到输入输出的映射关系.利用遗传算法寻找中央空调系统的最佳工作参数,对遗传算法的优化结果进行分析.利用图形分析法验证遗传算法得到的结果是全局最优解.当冷却水进口温度为室外温度、冷水出口温度为设置范围内的最大值时,空调功耗最小.

优化电解碲电源对电解行业节能增效、提高电解产品质量和改善电网环境具有重要意义.电源前级采用三相电压型pwm整流器；在建立pwm整流器数学模型的基础上；通过改进双闭环pi控制策略；即外环基于并行搜索全局寻优的遗传算法优化bp神经网络权值和阈值的智能控制方法；分析网侧电流波形和谐波含量；可得到所需的额定电解电压和电流；以matlab/simulink软件为平台进行仿真计算.结果表明:ga-bp(geneticalgorithm-backpropagation)算法具有输出电压平稳、响应速度快、超调量小、抗干扰性强等优点.

基于遗传算法的烧结配料优化方法 摘要：配料是烧结的基础，烧结配料效果的好坏直接影响到企 业的生产效益。传统的烧结配料试算模型存在配料成分不稳定，配 料成本高等诸多弊端，本文介绍了利用遗传算法进行烧结优化配料 的方法，将优化方案应用到实际生产中取得明显的经济效益。 关键词：烧结优化配料遗传算法 中图分类号：tf04文献标识码：a文章编号：1007-9416（2013） 01-0118-02 1前言 配料是烧结的基础，烧结配料效果的好坏直接影响到烧结矿的 化学成分及稳定性，并影响到原料的使用成本。传统的试算模型存 在配料成分不稳定，配料成本高，配料能力不足，资源利用不合理 等诸多弊端。而传统的求解最优化方法又大多要求搜索空间具有连 续可导性，且通常只能给出局部最优解，不易获得全面最优解。 近几年来发展起来的遗传算法则较好地解决了这些问题，遗传 算法（geneticalgori

基于遗传算法的改进BP神经网络模型在水质评价中的应用

分析了城市浅埋隧道开挖地表沉降的主要影响因素,并建立了基于遗传算法的神经网络浅埋隧道开挖地表沉降预测模型.使用有限元数值模拟正演算法获得神经网络模型学习样本,对模型进行学习训练.该预测模型在某市轻轨隧道地表沉降预测中进行使用,结果表明:基于遗传算法的神经网络对隧道开挖地表沉降的预测是可行的,预测结果比较准确,能较好地指导隧道施工,确保地表建筑物的安全.

针对bp神经网络易陷入局部最优和遗传算法全局搜索速度过慢的缺点及水利定额编制中存在非线性和复杂性的实际状况,提出采用遗传算法（ga）优化bp神经网络在水利定额编制中的问题。实例分析表明,优化后模型（ga-bp神经网络）结合了bp神经网络的非线性逼近、局部寻优能力和遗传算法的全局搜索特性,在稳定性、预测精度、收敛速度上均优于bp神经网络,可运用于水利定额编制。

为了实现桩身完整性的智能分类,并减少人为因素造成的误判,文章建立适用于桩基完整性检测的基于遗传算法的bp神经网络模型,运用matlab软件对模型进行模拟,并求出模型的可行性的解,从而实现对不同类型桩身的完整性智能辨别的功能,最后再通过测试样本对模型的正确性进行验证。测试样本中的预测结果与理想结果非常接近,通过计算得出测试样本的仿真误差为0.1538,训练样本的仿真误差为0.092644。结果表明,基于遗传算法的bp神经网络模型能过较好的对桩身完整性进行分类,并且在减少桩型误判的情况下,又提高了效率,在实际工程中具有良好的应用前景。

目的将改进的神经网络模型应用于钻孔灌注桩桩孔质量的智能化识别,从而减少人为的误判、漏判情况.方法将遗传算法与神经网络模型有机地结合起来,建立桩孔质量检测的智能化模型,先利用遗传算法对神经网络的权值和阈值进行优化,再结合训练完成的神经网络模型对桩孔质量进行预测,同时根据现场数据建立三维分析图,通过预测结果与三维分析图的比对来验证模型的准确性.结果测试样本的仿真误差为0.00575,训练样本的仿真误差为0.0224;5、6号桩孔的预测结果为(0.0012,0.9999),(0.0027,0.0051),即5号桩质量为合格,6号桩质量为良好.结论通过预测结果与三维分析图的比对结果,可以得出基于遗传算法的神经网络模型能够较好地对孔灌注桩进行智能判别.

目的将改进的神经网络模型应用于钻孔灌注桩桩孔质量的智能化识别,从而减少人为的误判、漏判情况.方法将遗传算法与神经网络模型有机地结合起来,建立桩孔质量检测的智能化模型,先利用遗传算法对神经网络的权值和阈值进行优化,再结合训练完成的神经网络模型对桩孔质量进行预测,同时根据现场数据建立三维分析图,通过预测结果与三维分析图的比对来验证模型的准确性.结果测试样本的仿真误差为0.00575,训练样本的仿真误差为0.0224;5、6号桩孔的预测结果为(0.0012,0.9999),(0.0027,0.0051),即5号桩质量为合格,6号桩质量为良好.结论通过预测结果与三维分析图的比对结果,可以得出基于遗传算法的神经网络模型能够较好地对孔灌注桩进行智能判别.

节点的安全性是ad-hoc网络面临的重要问题,因为通过非安全节点可以窃取、篡改网络中的数据包,甚至对网络造成致命性的破坏。通常情况下,ad-hoc网络是借助于基于密钥的认证算法来实现节点的安全性保障的,但是这些认证算法并不适用于ad-hoc的特殊网络环境。将遗传算法应用于节点安全性认证领域,通过基于多目标优化的认证机制,取代了密钥认证机制。通过模拟实验表明,基于多目标优化的认证机制,在ad-hoc网络环境中,性能较为优越。

建立bp（backpropagation）神经网络与遗传算法相结合的电力负荷预测模型。在该模型中，利用遗传算法具有的全局寻优特点，将bp网络的初始权值优化到一个较小的范围，然后再用bp算法在该范围内继续优化，以便使优化算法既能实现全局最优求解，又能获得较快的求解速度。最后，通过仿真算例，与传统bp网络优化结果、及各种拟合方法获得结果进行比对，验证了计算方法的可行性和优越性。

所谓计算机网络可靠性其实就是指计算机网络的可用性,也就是具备计算机网络各用户间互相连通能力的强弱。优化计算计算机网络可靠性是目前业界所关注的热点话题。与传统算法相比较,遗传算法优点更多,不仅算法的结构比较简单、便于求解以及搜索高效,在进行全局计算的时候还可获得最优的近似。遗传算法具有较好的实用性、简易的算法结构以及较快的求解速度能够求出近似值的最优解,在解决网络可靠性优化计算问题上有着明显的优势。

首先介绍了无功优化的定义及在配电网中的作用,然后介绍了经过改进的遗传算法在配电网无功补偿优化方面的应用,并且与传统遗传算法相比,改进的遗传算法解决了传统遗传算法过早收敛的问题,同时存在局部最优、计算复杂的缺点。

在弯管前安装扰流子，可以减小弯管处二次流强度，降低能量损失，并运用cfd软件对不同参数下的扰流子节能效果数值计算。以l9（33）正交试验以及4组补充试验作为bp神经网络的训练样本，建立在5种雷诺数下扰流子节能效率与扰流子叶片转角、叶片长度、安装距离3个结构参数的非线性映射关系；扰流子节能效率最大值作为目标函数，再结合遗传算法进行结构参数优化。最终得到在不同雷诺数下扰流子叶片转角、叶片长度、安装距离的最佳组合形式，并利用有限元方法对结果验证。结果表明，这种优化方案具有可行性；合适的结构参数的扰流子具有良好的节能效果。

在弯管前安装扰流子,可以减小弯管处二次流强度,降低能量损失,并运用cfd软件对不同参数下的扰流子节能效果数值计算.以l9(33)正交试验以及4组补充试验作为bp神经网络的训练样本,建立在5种雷诺数下扰流子节能效率与扰流子叶片转角、叶片长度、安装距离3个结构参数的非线性映射关系;扰流子节能效率最大值作为目标函数,再结合遗传算法进行结构参数优化.最终得到在不同雷诺数下扰流子叶片转角、叶片长度、安装距离的最佳组合形式,并利用有限元方法对结果验证.结果表明,这种优化方案具有可行性;合适的结构参数的扰流子具有良好的节能效果.