关键词： 人工智能   数据挖掘   算法优化   遗传算法   自适应参数  

摘要： 随着大数据时代的到来,自动化数据挖掘在各个领域的应用日益广泛。通过对深度学习、强化学习等人工智能技术在数据挖掘中的应用进行研究,文章提出了一种基于改进型遗传算法的自适应参数优化方法。实验表明,该方法在处理高维数据时,相比传统算法可将计算时间减少35%,准确率提升18%。同时,针对噪声数据的处理能力得到显著提升,在实际业务场景中表现出较强的鲁棒性和适应性。通过对金融、医疗等领域的实际数据集进行验证,证实了该方法在自动化特征工程和模型选择方面的优越性。

关键词： 城市轨道交通地下线   振动源强   预测   BP神经网络   麻雀搜索算法   遗传算法  

摘要： 为寻求一种预测速度快、准确率高的城市轨道交通地下线振动源强预测模型,基于55个非减振轨道测试断面数据,经过数据清洗、分析和标签化后,建立了涵盖典型车型和主要线路参数取值范围的8 000多条实测数据库。分析地铁环境振动的影响因素,利用斯皮尔曼相关系数得到各类影响因素与振动源强的关系强度。分别建立基于卷积神经网络(CNN)、随机森林(RF)、支持向量机(SVM)等5个机器学习模型,对比分析了不同模型对振动源强的预测效果。使用麻雀搜索算法(SSA)和遗传算法(GA)优化BP神经网络模型的结构、超参数、权重及阈值,对比SSA-GA-BP、SSA-BP、GA-BP神经网络对振动源强的预测精度。最终使用4个差异明显且未经模型学习的新断面验证SSA-GA-BP模型的泛化能力。结果表明:5种机器学习模型中BP神经网络的非线性回归拟合能力最强,验证集MAE损失为1.55 dB,决定系数为0.948;SSA-GA-BP模型对振动源强的预测精度高于SSA-BP和GA-BP,验证集MAE、MAPE和决定系数分别为1.289 dB、1.856%和0.967,有80.11%数据的平均绝对误差在2 dB以内;SSA-GA-BP模型对4个经典的新断面数据预测效果良好,4个断面汇总数据的MAE、MSE和MAPE误差值分别为1.21 dB、2.18 dB和1.67%,决定系数为0.977,有70%数据的预测误差在2 dB以内,证明了SSA-GA-BP模型有较强的泛化能力。SSA-GA-BP振源预测模型具有较好的预测精度和快速预测能力,研究可为轨道交通地下线路设计阶段的减振降噪设计提供参考。

关键词： 遗传算法   工业母机   多目标生产调度优化   Pareto优化  

摘要： 工业母机作为制造业的核心设备,其生产调度优化对提高生产效率与资源利用率意义重大。面对多目标调度问题的复杂性,传统优化方法在求解效率和结果质量方面存在局限。遗传算法凭借出色的全局搜索能力和灵活的适应性,被广泛应用于解决多目标优化问题。研究针对工业母机多目标生产调度问题,提出了一种改进的遗传算法。通过设计合理的适应度函数、遗传操作策略,并引入Pareto优化概念,实现对生产效率、成本控制和设备利用率等多目标的同步优化。实验结果表明,该算法有效解决了工业母机生产中的调度优化问题,显著增强了调度效果并提升了操作灵活性。

关键词： 室内可见光定位   非视距传输   高斯函数   支持向量回归   遗传算法  

摘要： 针对室内可见光定位中非视距信道(Non Line of Sight, NLOS)导致定位精度不足的问题,提出了一种基于动态高斯加权(Dynamic Gaussian Weighted, DGW)接收信号强度指示(Received Signal Strength Indicator, RSSI)和遗传算法(Genetic Algorithm, GA)改进支持向量回归(Support Vector Regression, SVR)的室内可见光定位算法。首先,构建指纹库并划分数据集,计算接收器与光源之间的距离动态调整高斯函数的标准差,再结合RSSI信号的波动性进行自适应加权,以减少NLOS对定位的影响。然后,使用GA优化SVR模型的参数,得到最佳定位模型。最后,使用最佳定位模型对加权后的指纹数据进行定位预测。实验结果表明:本算法的平均定位误差为7.1 cm,相较于SVR、SVR-GA等算法降低了21.1%~42.3%,并且能有效降低NLOS的影响、提高室内定位的精度,具有较强的应用前景。

关键词： BP神经网络   遗传算法(GA)   工艺参数优化  

摘要： 深度学习算法已广泛应用于各类工业生产控制中,但烟叶复烤因工艺复杂、控制繁琐及人为因素影响较大,导致控制效果不佳。因此,如何有效控制烟叶复烤阶段并实现工艺参数优化已成为研究热点。目前,复烤阶段的工艺参数主要依靠操作人员根据经验进行手动调控,具有较强的主观性和不稳定性,而使用BP神经网络的方法存在收敛速度慢、易陷入局部最优等问题。为探索工艺参数与生产结果之间的关系并实现参数优化,本文提出了一种基于遗传算法(GA)优化的BP神经网络模型,以改进传统BP神经网络在烟叶复烤过程中的应用表现,本文通过GA优化其权重和偏置,显著提升了模型的收敛速度和稳定性。实验结果表明,所提模型在复烤参数预测上与实际结果高度吻合,具备较强的生产指导意义。

关键词： Selenium   遗传算法   皮革企业   物流体系   路径优化  

摘要： 现代企业的物流配送系统不仅是传统物流运输体系的全面升级,还能够借助大数据等技术直观影响企业的生产和运营。以皮革企业为例,借助“Selenium+遗传算法”对传统的皮革企业物流配送路径进行优化。结果表明,优化后的物流配送体系路径更合理、成本更低、货损率也更低,“Selenium+遗传算法”对皮革企业物流配送体系的优化效果较为理想。

关键词： 微波消解   电感耦合等离子体质谱法  

摘要： 酒石酸托特罗定,化学名(R)-N,N-二异丙基-3-(2-羟基-5-甲基苯基)-3-苯丙胺,L(+)-酒石酸盐,是一种新型竞争性毒蕈碱受体拮抗剂,临床上主要用于因膀胱过度兴奋引起的尿频、尿急和/或急迫性尿失禁症状的治疗。酒石酸托特罗定片与硝苯地平片或琥珀酸索利那新片联用,可用于治疗膀胱过度活动症^([1]),是常用的临床一线药物。

关键词： 财务数据   财务风险预警   遗传算法   BP神经网络  

摘要： 在企业财务管理中,企业的资金流向复杂、投资周转期和回报期长,这使财务数据具有滞后性。依据滞后数据,企业则难以及时捕捉到当前正在发生的风险。在企业财务具体实践中,若不考虑风险与收益的均衡性,对企业账务风险预警的误差会增大。为此,引入遗传算法优化反向传播(Back Propagation,BP)网络,给出一种财务风险预警方法:通过对财务数据异常点的归类处理和聚类分析,结合市场需求突变等动态变化情况,利用聚类最大值、平均粒度等指标来评估财务风险,从而提取财务风险特征,提高预警精度;具体地,通过遗传算法确定BP神经网络初始权重、利用BP神经网络输出财务风险预警结果,同时考虑风险与收益的均衡性,采用均方误差作为损失函数,通过反向传播算法更新参数以适应财务数据动态变化,最终实现财务风险预警。实验结果表明,所提算法较比较算法提升了财务风险预警的准确性,财务风险预警的相对误差仅为8%。

关键词： 汽车造型评价   反向传播神经网络   遗传算法应用  

摘要： 针对汽车造型评价存在由于主观性高而导致可靠性低的问题,运用遗传算法原理对评价方法进行了优化。通过遗传算法的优化,基于反向传播(BP)神经网络的汽车造型评价,减小了评价误差。通过问卷调研构建数据集,使用汽车的18个评价对象作为输入,整车评价作为输出,创建了融合遗传算法的反向传播(GA-BP)网络结构,并在Matlab中进行了仿真预测。研究结果表明,经过优化的BP神经网络预测值的相对误差均值由6.7%下降至1.7%,显著提升了汽车造型评价的可靠性,具有更好的预测能力和实际应用潜力。

关键词： 智能刀柄   多目标优化   应变灵敏度   响应曲面法   遗传算法  

摘要： 为获得智能刀柄高应变灵敏度结构参数最优值,以刀柄轴向应变灵敏度、轴向刚度、扭转刚度最大为优化目标,以一阶固有频率在设计要求范围内为约束条件,基于响应曲面法建立优化目标近似响应面模型,分析设计变量与优化目标之间的关系,并采用改进的非支配排序遗传算法对刀柄结构进行多目标优化设计,获得刀柄结构参数Pareto最优解。相比标准刀柄,优化后刀柄轴向应变灵敏度提高了32.8%、轴向刚度降低了14.8%、扭转刚度降低了18.2%,1阶固有频率降低了10.1%。