关键词： 基坑开挖   房建施工   支护结构参数   遗传算法   地表沉降量  

摘要： 针对如何提高房建施工过程中的基坑开挖支护质量的问题,提出一种房建施工中结合遗传算法进行基坑开挖支护设计的方法。结合房建施工过程中的实际问题,分析基坑开挖进行支护设计时的不同要点。基于要点需求如工程质量、安全保障、可持续性以及施工质量等,提出采用遗传算法对基坑支护结构设计中的变量进行选择优化。同时构建了相应的数学模型,通过惩罚函数建立约束条件。经过进一步的仿真实验验证,从桩体下降程度、地表沉降量以及桩顶位移等关键指标进行基坑开挖支护分析。实验结果表明,结合遗传算法进行基坑开挖支护设计,能够保证基坑稳定性,把控施工成本,保证施工质量以及施工安全。

关键词： 永磁辅助同步磁阻电机   混合磁体   遗传算法   多目标优化  

摘要： 针对内置永磁同步电机稀土永磁体用量较多以及铁氧体辅助同步磁阻电机易发生不可逆退磁的问题,提出采用铁氧体和稀土混合的方式,将铁氧体退磁严重的区域换成稀土永磁体,建立混合磁体辅助同步磁阻电机。考虑到该电机转矩脉动较大,优化参数较多,采用基于遗传算法和田口法相结合的多目标优化分析方法,以降低转矩脉动和提高平均转矩为优化目标,对电机转子结构参数进行优化。相比传统遗传算法,该多目标优化方法不仅提升了平均转矩、降低了转矩脉动和稀土用量,而且减少了计算量。利用样机进行负载转矩实验,实验实测值与有限元仿真值误差在5%以内,证明了有限元仿真分析结果的正确性。

关键词： 序列生成   指令编排   遗传算法   任务规划   指令上注  

摘要： 针对飞行器任务指令序列生成和优化问题,提出一种约束分级的任务指令序列处理框架,并进一步设计融合拓扑优化和优先级编码遗传的序列编排方法。首先,将指令及其约束建模成有向图,通过引入虚拟节点替代图中的强连通分量,实现去环效果。然后,针对生成的有向无环图,通过拓扑优化构建指令序列的基本初始框架。对于抽取的强连通分量,对其节点的优先级进行编码,并在遗传过程中将其作为交叉对象的基因索引,不断迭代生成优化的指令序列片段。最后,将片段集成到初始框架中,实现任务指令序列的生成和优化。仿真结果表明:在不同规模和复杂度的指令集合场景中,相较于其它方法,本文所提方法能够显著降低指令序列的生成时间,并压缩指令序列的长度。

关键词： 脉冲耦合神经网络(PCNN)模型   遗传算法   融合算法  

摘要： 为提高图像增强技术的效能和适应性,本研究采用融合脉冲耦合神经网络(pulse coupled neural network, PCNN)和遗传算法(genetic algorithm, GA)的方法,设计了一种新型的图像增强方案。该算法以PCNN为基础,利用GA进行参数优化和模型调整,以期达到更优的图像处理效果。研究结果表明:相比传统图像增强技术,所提出的融合算法在图像清晰度、细节增强和噪声抑制等方面展现了显著优势,证明了该方案在实际应用中的高效性和实用性。

关键词： 云制造   云制造服务   服务组合优化   卷积神经网络   遗传算法  

摘要： 本文研究云制造服务组合问题,针对传统云制造服务组合采用单一的线性加权模型,不能动态地反映用户满意度的需求,提出一种基于卷积神经网络(CNN)的满意度动态模型,从而构建基于动态模型和改进遗传算法的云制造服务组合的优化算法。构造非对称的多尺度卷积神经网络,使用历史数据训练CNN,实现权值的动态调节,从而构建满足用户不同需求的云制造服务满意度的动态模型。对遗传算法采取了动态的精英策略并且引入排挤机制和快速非支配排序。结果表明,得到的云制造服务组合用户满意度相比线性加权模型提高了17.33%,相比BP神经网络构建的非线性模型提高了9.34%,均方误差(MSE)降至0.00226。在云制造服务平台中验证所提模型构造方法和算法策略的可行性和有效性,在高维度模型中收敛速度仍然很快,克服了以往使用固定权值的线性组合的弊端,使得满意度得到提高,同时具有较高的稳定性。

关键词： 三层框架   传感器优化布置   二重结构编码   改进遗传算法   部分匹配交叉   最优保存策略   有限元计算模型   搜索能力  

摘要： 本文研究的重点是基于改进遗传算法的三层框架结构传感器优化布置,运用二重结构编码进行种群的交叉、选择及变异,在操作期间分别采用的是部分匹配交叉、最优保存策略、逆位变异。总的来说,这种基于改进遗传算法的传感器优化布置方法能够得到最优解,且传统遗传算法所存在的收敛速度慢、数据冗长等问题都可以得到很好的解决。最后通过一个三层框架结构的实例分析,利用ANSYS建立有限元计算模型,可反映出该方法在可靠性、计算效率、搜索能力方面有着明显优势。

关键词： 协同演化   遗传算法   个体特征   缺失值插补   遗传编码   信息识别  

摘要： 在当前的个体特征信息分析过程中,依靠单一的遗传算法进行特征识别,只考虑了个体对自然环境的适应情况,使得最终识别结果AUC值较低。因此,提出基于协同演化遗传算法的个体特征信息识别技术(CEGA-IFIR)。运用贝叶斯网络构造最优分类器,从大数据中挖掘出个体数据,再展开局部低秩矩阵补全(LRMC)集成学习,实现个体数据集中缺失数据的插补处理。以信息熵概念为核心,设计个体特征向量信息增益评估函数。以最大特征信息增益为目标,结合协同演化算法和遗传算法进行个体特征信息识别求解,充分考虑多个个体在进化过程中的相互影响、相互适应特点,输出有效的特征信息识别结果。实验结果表明:CEGA-IFIR方法应用后,所得个体特征信息识别结果的AUC值相较于两种对比方法的AUC值(分别为0.74和0.61)更高,最大值达到0.93,满足了预期设计要求。

关键词： 热延迟特性   热源调度优化   非稳态热力   时延离散度   遗传算法  

摘要： 为了提高能源利用率,改善用户供热体验,本文提出了热源温度变化的非稳态热力优化(Con1)、单一热源温度的非稳态热力优化(Con2)、考虑时延及其离散度的准稳态优化(Con3) 3种热源调度优化方法,以改善调度优化时集中供热管网的热延迟特性,并以某市一次热网为例,对3种优化方法的优化效果进行分析。结果表明:Con2的总能耗费用最高且热力站满意度最低;Con3相比Con1热力站满意度仅偏低1.0%且总能耗费用仅高43.05元/h,优化得到的热源供水温度结果偏差在1℃以内,Con3计算效率显著提高;Con3可对热源供水温度及流量进行快速优化,并使总能耗费用节省452元/h,热力站满意度提升7.4%,优化效果良好。

关键词： 土壤水分   微波遥感   神经网络   遗传算法   特征选择  

摘要： 土壤水分是作物生长的重要影响因素,也是水文、生态和气候等环境因素中不可忽视的环节,对自然环境过程具有深远的影响。遥感技术发展与应用为区域地表土壤水分监测提供了有效手段。本研究以Sentinel数据为主要数据源,提取特征参数构建输入参数数据集,利用遗传算法优化的BP神经网络重构土壤水分反演模型。结果表明:借助Sentinel微波遥感影像与光学遥感影像提取20个特征参数,可基于BP神经网络反演研究区内土壤水分含量,但特征参数冗余导致模型运算效率较低,耗时较长。利用特征选择算法对特征子集降维后,借助XGBoost重要性得分进行特征筛选,最终确定8个最优特征变量,保留了特征数据集主要信息,有效减少数据冗余,反演结果R2为0.62,RMSE为0.59%,网络运行时间与内存占用情况较全要素的GA-BP神经网络明显改善,运行时间平均下降75s,内存占用平均减少863.86MB。反演研究区年内7月、9月土壤水分含量最高,土壤重量含水量最大值为38.29%,平均14.52%,1月土壤水分含量最低,土壤重量含水量最大值为15.71%,平均12.52%,与当年降水趋势相近。本文所提方案在满足较高反演精度同时,能实现较快速的区域土壤水分反演,为微波与光学等多源遥感数据结合反演农田地表土壤水分提供了新思路。

关键词： 污水处理   精确曝气   神经网络   遗传算法   预测  

摘要： 针对城市污水处理厂生化池曝气量的冗余问题,从节能降耗角度出发,提出了一种精确预测生化池曝气量的方法。首先,对从山东某污水厂采集的数据做预处理;其次,经相关性分析,建立以进出水指标和历史曝气量为输入、以当前曝气量为输出的反向传播(back propagation,BP)神经网络模型,并利用遗传算法优化BP神经网络的权值和阈值;最后,为了验证所提方法的有效性,将其与传统BP神经网络模型进行对比。实验结果表明,所提方法的均方根误差减小了39.88%,计算时间缩减了31.00%;且与实际测试数据相比,每月的曝气电费可节约892.80元。因此,所提方法对生化池曝气量的预测是有效和可行的。