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。     

零售4.0时代先行发货问题的大数据分析

在零售4.0时代，渠道的多样化不仅丰富了数据源，还能迅速生成大量数据，需要通过分析大数据，为决策提取有意义的信息，通过分析先行发货的重要性，提出了一种基于遗传算法（GA）的优化模型，预测顾客何时购买，然后在顾客线下单前将产品运送到距顾客最近的配送中心，解决先行发货中存在的问题。研究认为，需要先部署云计算来存储所有渠道生成的大数据，再应用基于集群的关联规则挖掘研究顾客的购买行为，根据“如果-那么”预测规则预测未来的采购情况，最后利用修正的遗传算法生成最优的先行发货计划；这种遗传算法考虑了其在运输成本和运输距离之外，还有预测规则的置信度，利用大量的数值实验权衡了先行发货中的不同因素，验证了模型的最优可靠性     

最小时间窗规则及其在混合遗传算法中的应用

为了研究与优先规则结合的混合遗传算法,提出了最小时间窗规则(STW),设计了采用最小时间窗规则生成初始种群的算法.发现调度结果中时间窗越少和越小,则完工时间就越小.探讨了优先规则应用于遗传算法中在生成初始种群时的完工时间、广义海明距离和完工时间的标准偏差等性能指标.对不同规模基准调度问题的测试结果表明,STW规则在以最小化完工时间为目标的调度中,与其他几种简单规则相比,能产生较好的调度效果.在混合遗传算法中,采用STW规则产生的初始种群整体适应度最高,多样性较好.     

基于最小一乘的GA-SVR用电量预测

基于最小一乘准则和交叉验证思想下,提出了一种基于自适应遗传算法参数寻优的支持向量回归机模型。该模型采用最小一乘准则作为训练标准,提高了模型的整体稳定性。使用自适应遗传算法对支持向量回归模型进行参数寻优,加快了训练时间,提升了预测精度,同时,交叉验证方法的采用,又进一步地提升了模型的泛化能力和预测精度。采用该模型对江苏省全社会用电量进行预测的结果表明,其预测精度要优于传统的支持向量回归模型和一般的粒子群优化支持向量回归模型。     

支持向量机替代模型的遗传优化设计

针对实际工程中常见的性能函数不能显式表示的优化问题,提出一种基于支持向量机替代模型的遗传优化设计方法。利用试验设计选取合适的设计参数样本点,通过实验或数值仿真获得响应输出,结合遗传算法构建具有参数优化功能的支持向量机替代模型;将支持向量机模型作为目标性能函数,结合其他约束条件完成优化模型的建立,并应用遗传算法进行优化,形成一套准确、高效、适应性强的优化方法。以典型电子装备功分器的结构尺寸优化为例,采用均匀试验设计和高频电磁场仿真软件HFSS获取替代模型训练的学习样本,建立功分器模型的幅度比、相位差和驻波3个响应面目标函数,并对该多目标优化问题进行遗传寻优。     

基于遗传算法的柴油机电控参数实时优化

为使发动机满足日益严格的排放法规要求同时使其具有较好的燃油经济性，采用柴油机性能与运转参数间神经网络模型，将遗传算法嵌入DSP中实现了电控参数的实时优化。在实验台上验证了神经网络建模和遗传算法相结合在线寻优的最优控制MAP生成技术的可行性。     

路由选择的一种新遗传算法

提出了应用于QoS路由选择的一种新遗传算法,该算法给出了基于跳数优先原则的初始种群生成办法,以及邻近交叉和前向变异两个关键算子。算法的主要优点表现为初始种群生成独立于网络拓扑的度量参数,交叉产生了多样性新个体,以及变异有效抑制算法退化等。对随机生成的不同规模的网络拓扑结构进行仿真,结果表明该算法是有效的。     

基于UML-RT模型的实时软件规模测量方法

COSMIC—FFP是可用于实时系统的第2代功能规模测量方法．本文着重探讨COSMIC—FFP模型方法，并将其应用于实时UML需求分析模型中．     

神经网络模型预测有机酸的毛细管电泳淌度

通过分析化合物结构对毛细管电泳淌度的影响,提取三个分子结构参数--有机酸的元数(Q)、组成化合物的原子总数(N)及相对分子质量(M),对训练集中92个有机酸的毛细管电泳淌度建立径向基神经网络模型.对训练集的交叉验证及对测试集化合物的预测结果表明,该模型具有良好的稳健性和预测能力.与文献结果比较,该模型所用参数少,计算简便,物理意义明确.     

基于遗传算法的利率期限结构实证分析

本文利用利率期限结构中的Svensson模型对上海证券交易所的国债市场进行实证研究,利用遗传算法对模型进行求解,意在寻求一种全新的计算方法。在利用遗传算法求解模型时,本文详细探讨了模型参数、遗传算子等不确定因素,根据模型的要求,对遗传算法的各个步骤进行考虑,设计出一套算法,从而在实际求解过程实现较高的效率和精度。     

入侵检测技术中Apriori算法的应用与改进

采用关联规则挖掘网络数据包可以发现数据包中各属性字段间的频繁关系，通过模式的学习与训练可以发现网络用户的异常行为模式。采用作用度的Apriori-lift算法削减了Apriori算法的挖掘结果规则，使网络入侵检测系统可以快速的发现用户的行为模式，而且能够快速的锁定攻击者。Apnori—li蹲法提高了基于关联规则的入侵检测系统的检测性能。     

对高职教育教学模式创新的探讨

高职教育传统的教学模式多半以传授型、继承型为主,培养出的多半是再现型人才,很少是发现型、创新型人才,所以,不利于创新型实用人才的培养。当前,基于素质、创新、实践、应用的多维互动式创新教学模式的出现,高职教育形成了教学模式的新亮点,为高职教育创新型实用人才培养目标的实现提供了新的途径。     

基于贝叶斯神经网络的非参数回归

提高神经网络模型推广能力的关键是控制模型的复杂度。该文探索了贝叶斯神经网络的非参数回归的建模方法,通过融入模型参数的先验知识,在给定数据样本及模型假设下进行后验概率的贝叶斯推理,使用马尔可夫链蒙特卡罗算法来优化模型控制参数,实现了对神经网络模型中不同部分复杂度的控制,获得了模型参数的后验分布及预测分布。在5个含噪二维函数回归问题上的应用显示了模型的复杂度能根据数据的复杂度而自适应调整,并给出了较好的预测结果。     

汽车主锥总成刚度调节研究

给出了汽车主锥总成圆锥滚子轴承刚度调节的计算和测量模型，得出了刚度调节规律，实现刚度调整垫圈的最优选择。提供的测量模型和一些典型特性曲线具有重要参考价值。     

内隐与外显——越南华裔汉字学习缺陷与教学应对策略

越南对华裔的汉字教学一直以来侧重内隐模式而忽视汉字内在规则的传授。这种教学方式忽略了汉字本身所富有的隐性规则和知识,忽略了汉字是形、音、义三结合的文字特点。对越南华裔学生而言,内隐学习和外显学习应该协同发展。在汉字字形的各种知识中,笔画、笔顺知识难度低,部件、独体字、合体字、形似字等知识则难度相对较高。因此,对低难度知识,教师可采取外显—内隐—外显的教学顺序;而对难度高、内容复杂的知识,则可采取内隐—外显—内隐的教学顺序。外显教学的策略主要是注重规则的讲解,内隐教学的策略主要是培养学生的字感,关键是培养汉字内部细节的字感。知识的外显教学可通过直接讲解、对比归纳、图片呈现等方式把字形规则凸显出来;内隐教学则主要通过各种形式的教学游戏把汉字的外显知识加以内化和储存。     

基于神经网络的学生党员考核评价系统的开发

为了高效率、低成本地评价高校学生党员的综合素质,采用BP神经网络技术,开发了学生党员考棱评价系统.该神经网络使用专家提供的100组数据进行训练,训练结果的相对误差为0.4％,采用20组非训练数据进行检验,相对误差为0％.实践表明,即使专家的评价规则很复杂,无法用数学模型直观表达,神经网络也能够仿真专家的思维逻辑,对党员素质进行公平、公正的评价.     

面向工业企业的微型机辅助生产管理系统

本文介绍一个在MC-68000微机上开发的面向大、中型企业的生产管理系统。在研制过程中,综合应用了系统工程、现代化管理和计算机技术。其中包括:采用目标规划数学模型确定工厂年、季、月生产计划,采用A-B-C分类法作出物料需求计划;提供多种模拟优先原则安排车间作业计划,还建立了一个用于生产管理的关系式数据库。系统具有投资少、功能强、使用方便、有良好的扩展性等特点。适用于单件、小批量、多品种或兼有多种批量、生产类型复杂的大、中型企业。     

基于地理实体的城市元胞自动机模型研究

文章在分析传统元胞自动机模型模拟城市扩展存在问题的基础上，提出基于地理实体的城市元胞自动机模型——GeoObjectCA-Urban 模型。讨论了模型的三个构成要素:土地利用、交通和控制要素等元胞的表示方法和元胞 结构。着重分析了模型在构建过程中影响元胞状态的因子的简化和元胞状态的转化规则，给出了模型的实现方法，文章以义乌市为例进行实证研究，结果表明:模型具有良好的可操作性并具合理性。     

基于盾构掘进参数的LVQ神经网络地层识别

以苏州4号线2标及2号线东延伸线5标地铁工程为背景，分析了盾构机的掘进参数：千斤顶推力、推进速度、刀盘扭矩、螺旋机转速和同步注浆量在不同地层条件下的变化规律。提出了基于盾构机掘进参数的学习向量量化（Learning Vector Quantization，LVQ）神经网络地层识别方法。建立了以盾构机五个掘进参数作为输入，地层特性编码为输出的数学模型，通过每种地层100组训练样本对模型进行训练，通过57步训练，训练样本误差控制在0.1以内，并用每种地层50组检验样本进行检验，地层总体识别率达到82.7%。     

重新审视“唯物主义唯心主义”哲学模式

囿于历史原因,“唯物主义唯心主义”成为一种僵化的哲学认知、评价模式。这个哲学模式用“唯物主义唯心主义”衡量哲学,并把二者的分歧与对立绝对化、意识形态化,严重误读了哲学基本问题,陷入简单化、抽象化、公式化的误区,在理论和实践中产生了有害影响。有必要突破这个根深蒂固的模式。对此,马克思哲学确立了以社会实践为基础超越“唯物主义和唯心主义”哲学模式的解释原则。