一种改进的自适应遗传算法

为了提高遗传算法的搜索效率,给出了一种改进的遗传算法。该算法采用混合编码,改进适应度函数和变异操作,扩大搜索范围。通过四个经典函数的测试表明,改进算法与基本遗传算法和自适应遗传算法相比较,在函数最优值、平均收敛代数、收敛概率等方面都取得了令人满意的效果。     

一种改进的混合遗传算法

为了提高遗传算法的搜索效率,给出了一种改进的遗传算法。该算法提出了新的交叉操作和仿粒子群变异,扩大了搜索范围。通过经典函数的测试表明,改进算法与一般自适应遗传算法相比较,在函数最优值、平均收敛代数、收敛概率等方面都取得了令人满意的效果。     

基于改进蚁群优化算法求解应急物资库存路径问题

建立以预测需求为导向进行补货的应急物资库存路径问题的模型作为应急物资库存路径问题的通用模型。模型中采用预测需求函数作为补货的基础,避免单独使用OU补货政策导致补货过度僵化脱离实际。运用改进蚁群优化算法对模型进行求解,在蚁群优化算法中结合遗传算法中的多种操作,避免蚁群优化算法过早陷入局部最优,扩大其搜索域从而提高算法的性能。大量算例的计算表明,所提出的改进的蚁群优化算法能够在短时间内收敛;模型中各参数的敏感性分析结果表明:库存持有成本的增加一般会增加目标函数值,缺货成本的陡增不仅会增加目标函数值还会增加计算难度。     

改进GA-BP神经网络评价算法及其应用

建立了用于水利工程管理现代化评价的改进GA-BP神经网络模型。该模型运用遗传算法优化改进BP神经网络的初始权重及阈值,具有快速学习和全局搜索能力,有效解决了BP神经网络容易陷入局部极小点和训练结果不稳定的问题。模型应用于泰州引江河水利枢纽工程管理现代化水平评价,并与经典BP算法应用结果进行比较,结果证明了该方法的可靠性和合理性。     

模糊C均值聚类算法在测井相分析中的应用

采用分阶段思想,引入并改进了最佳聚类数算法来确定分类数,对原模糊C均值(FCM)算法的目标函数从引入数据权值和更换距离函数相结合的方法进行了改进。根据改进的模糊C均值算法,利用测井数据进行测井中的岩性分类和识别,经实例验证本算法得出的岩性划分与实际录井岩性可以较好吻合。     

浅析Web元搜索引擎排序算法

如何排序是实现元搜索引擎的一项关键技术,排序算法的好坏直接决定着元搜索引擎的性能。本文首先对元搜索引擎的概念和搜索流程进行介绍,然后对元搜索引擎常用的排序算法做了总结,接着对元搜索引擎排序算法提出改进建议,最后对元搜索引擎排序算法未来发展方向做了技术展望。     

局部搜索算法在动态建立基准地价模型中的应用

传统基准地价评估中将地价样本检验剔除与回归模型建立分离 ,不能获取最优的基准地价评估模型。应用求解组合优化问题的局部搜索算法 ,将地价样本检验与模型建立有机结合 ,通过邻域搜索来实现地价样本组合和地价模型的动态优化。对算法的关键步骤进行了设计 ,通过合理的邻域函数和约束初始解设置 ,克服了算法在搜索过程中陷入局部最小的不足。试验结果表明 ,在样本置信水平相近的情况下 ,应用局部搜索算法计算的基准地价评估模型优于传统方法的建模结果。     

种群规模对遗传算法性能的影响

经典遗传算法的种群规模在演化过程中是固定不变的,本文主要通过实验研究种群规模对遗传算法性能的影响。通过四个经典函数的测试表明,种群规模对遗传算法各个性能的变化均有上升或下降的变化。     

基于模拟退火遗传算法的土地利用变化驱动力研究

研究目的:解决目前驱动力分析中多元统计方法存在的多义性和局限性.研究方法:采用模拟退火遗传算法,在传统的遗传算法中引人Metropolis接受准则,并以PRESS值的大小作为判断变量组合优劣性的指标.研究结果:模拟退火遗传算法所计算的PRESS值最小,典型相关分析的结果最大.研究结论:模拟退火遗传算法搜索出的变量组合具有更完备的目标变量表达性,是一种较实用的变量筛选方法.     

遗传算法性能评价指标

实验研究过程中,我们发现：收敛时间、进化代数、全局搜索概率这三个性能评价指标在具体的评价过程中是不能同时达到最优的,因此本文提出了一种新的评价指标,即针对不同问题可赋予三个不同的权重,利用加权后的值作为评价指标来判断遗传算法的性能。     

变量数目与种群规模的关系

在遗传算法的参数选择中,种群规模是一个重要的参数。本文通过实验取收敛时间和收敛代数的平均值作为评价指标来研究在确定遗传算法参数时,种群规模跟决策变量个数n有着一定的关系,通过经典函数的测试表明：比较合适的种群规模应控制在4n到6n之间。     

基于WDO-PP模型的文山州近10年水资源承载力评价

利用6个典型测试函数对新型优化算法——风力驱动优化(WDO)算法进行仿真验证,将仿真结果与布谷鸟搜索(CS)算法、差分进化(DE)算法、混合蛙跳算法(SFLA)、粒子群优化(PSO)算法、蚁群优化(ACO)算法、帝国竞争算法(ICA)和模拟退火算法(SA)的寻优结果进行比较。选取水资源开发利用率、降水量等10个评价指标,运用风力驱动投影寻踪(WDO-PP)模型计算文山州2006—2015年的水资源承载力,并对其变化趋势及规划水平年2020年、2030年水资源承载力进行预测及评价分析。结果表明:1无论是单峰还是多峰函数,WDO算法寻优效果远优于CS、DE、SFLA、PSO、ACO、ICA和SA算法,具有较好的寻优精度、收敛速度、极值寻优能力以及收敛稳定性与可靠性。2文山州2006—2014年水资源承载力评价结果均为基本可承载(Ⅲ级),2015年评价结果为可承载(Ⅱ级)。水资源承载力随时间呈提升趋势,且提升趋势显著。规划水平年2020年、2030年水资源承载力预测评价结果分别为可承载(Ⅱ级)和绝对可承载(Ⅰ级)。     

基于水贫困指数及MSCS-SVM模型的云南省水安全评价

为科学评价云南省近10年水安全状况,利用多策略布谷鸟搜索(MSCS)算法搜寻支持向量机(SVM)最佳学习参数,提出MSCS-SVM模型。首先选取6个典型测试函数对CMCS算法进行仿真验证,并与布谷鸟搜索(CS)算法的仿真结果进行对比;其次基于国际上通用的水贫困指数构建区域水安全评价指标体系和分级标准,采用在分级标准阈值间随机内插和随机选取的方法构造训练样本及检验样本,以对MSCS-SVM模型进行训练及检验;最后利用MSCS-SVM模型对云南省近10年及2020年水安全状况进行评价分析。结果表明:MSCS算法寻优精度远优于CS算法,表现出较好的收敛速度、极值寻优能力和全局搜索性能。利用MSCS-SVM模型对云南省2006年水安全进行评价,结果为不安全,2007—2015年评价结果为临界,2020年评价结果为安全,近10年水安全评价结果随时间呈提升趋势,且提升趋势显著。     

移动搜索现状及发展策略

移动搜索是信息搜索的一个重要应用和发展领域,移动搜索市场商机巨大,也成为信息搜索的一个研究热点。在明确了移动搜索概念、移动搜索特征、移动搜索分类的基础上,对目前我国移动搜索业务应用、用户群特征和移动搜索技术现状进行分析,指出当前移动搜索面临的主要问题,并提出移动搜索发展策略。     

基于人工鱼群算法的水资源可持续供给能力评价方法探讨

人工鱼群算法是一种具有自适应能力和并行性较强、对初始值和目标函数性质及参数选择要求不高、可实现全局寻优等优点的随机搜索优化方法,适宜应用于方案优化、综合评价等问题的研究。本文应用人工鱼群算法,建立水资源可持续供给能力评价模型,运用MATLAB软件编程实现算法,并应用该模型进行了扬州市水资源可持续供给能力评价。案例研究结果表明,基于人工鱼群算法的评价模型优化程度较高,适宜于水资源可持续供给能力评价。     

基于遗传算法改进的BP神经网络房价预测——以重庆市为例

商品房的价格受多方面因素的影响,传统的预测方法并不十分有效。为了探索新的房价预测理论模型,利用重庆市的数据,验证了遗传算法改进的BP神经网络房价预测的有效性,从而可以对房地产供求双方及监管机构提供一定的参考。     

肥料效应方程边际成本计算方法的改进

本文在吸收系统科学理论整体思想和植物营养的矿质营养理论的基础上，对肥料效应方程边际成本计算方法作了改进。通过计算比较，证明这种改进的计算方法有利于土壤平衡施肥，使肥料效应函数与平衡施肥达到统一，也揭示了肥料效应函数与环境保护的统一     

基于改进空间模拟退火算法的耕地质量监测点优化布设

[目的]科学合理地设置耕地质量监测点是加强我国耕地保护、提升耕地质量的重要依据,探讨监测点设立的准确性与提高耕地质量监测效率及成本具有重要的现实意义。[方法]文章以广州市从化区为例,综合考虑监测点的代表性、调查成本、道路可达性、监测点的适宜性等因素,以Kriging预测均方根误差、坡度、道路可达性为指标建立县域选取耕地质量监测样点指标体系,并利用改进的空间模拟退火算法对监测点进行优化,并与改进前的和不同尺度的网格法进行了对比分析。[结果]基于空间分层抽样模型最终确定了74个监测点。在满足一定精度要求下,与网格法相比,改进的空间模拟退火算法能大幅度缩小监测点数。在同等监测点数下,改进后的空间模拟退火算法布设的监测点在耕地质量预测方面的精度远高于网格法,略低于改进前。与改进前和网格法相比,改进后的监测点多设立于靠近道路和地形平坦的地方,能有效地避免设立在深山野林及高坡度的地方。[结论]在不损失过多精度的前提下,该方法不仅能有效满足预测县域耕地质量的变化情况的需求,同时提高了县域耕地质量监测效率和节约了监测成本。     

基于粒子群算法的项目融资内部收益率的求解

探讨了用粒子群算法求解项目融资内部收益率的思路。目前内部收益率求解手段有很多,内部收益率的公式是一个多元非线性方程,传统数值方法多使用目标函数的导数信息,具有较快的、与初值有关的局部收敛性。但是对一些强非线性方程和方程组,传统方法易导致失败,有效性低。而粒子群算法有高度的适应性、鲁棒性和并行性,是一种高效的智能算法。通过实际的风电项目为案例,实验仿真结果表明了算法的有效性。     

区域耕地数量变化预测方法的对比研究

研究目的:对区域耕地数量变化预测方法进行对比分析,科学合理确定区域耕地数量。研究方法:通过Pearson相关分析法筛选影响耕地变化的关键因子,利用改进的BP神经网络算法、灰色模型和多元线性回归模型法对费县耕地数量变化进行预测。研究结果:改进的BP神经网络算法相对传统的灰色模型和多元线性回归模型等预测方法具备较高的预测精度。研究结论:改进的BP神经网络算法是进行耕地数量变化预测的较好方法,具有实际指导意义,其预测结果可以为当地相关部门合理地确定耕地保有量、推进耕地保护提供科学依据。