基于遗传算法的前馈神经网络火灾探测

分析了前馈神经网络火灾探测的基本原理;针对ＢＰ算法的缺陷,提出用遗传算法（ＧＡ）和ＢＰ相结合的一种方法,即：ＢＰ－ＧＡ算法;并把ＢＰ－ＧＡ算法用于火灾探测的模拟,结果表明：前馈神经网络是处理火灾信号的良好方法,ＢＰ－ＧＡ算法提高了网络的收剑性。     

加速遗传算法及其在暴雨强度公式参数优化中的应用

提出了一般非线性自然灾害模型参数优化的一种通用的数值方法———加速遗传算法,分析了该算法控制参数的优化特性,总结出了这些参数的简便设置技术,并给出了它在暴雨强度公式参数优化中的应用实例。该方法可广泛应用于各种自然灾害模型的优化问题。     

基于改进遗传算法的河流水污染源反演方法

针对河流水污染应急响应过程中污染源排放历史迟知、未知的问题,结合多种群遗传算法和自适应遗传算法,利用一维河流水质模型和水质监测数据,研究建立了基于改进遗传算法的河流水污染定量源反演方法,实现了对河流污染源排放历史的识别与重构.将该方法应用于美国特拉基河流的3个不同流量下的示踪剂实验中,对示踪剂排放历史进行定量源反演分析.结果表明：IGA算法对高、中、低不同流量下的3次示踪剂实验均可以很好的重构和识别示踪剂排放历史,对于实际河流水污染源反演分析的误差均在可接受范围内.IGA算法在河流水污染源反演分析中具有一定的可靠性和稳定性,可为河流水污染精准溯源与治理提供科学的技术支撑.     

基于粗糙集与遗传算法的航空器空中相撞事故因素分析

为高效准确挖掘航空器空中相撞事故与相应事故致因因素间的规律,利用事故数据,提出一种基于粗糙集和遗传算法的分析模型。首先运用粗糙集理论对SHELL模型提供的第一层次因素进行重要性程度排序,并确定其权重;然后分析事故中各环节的具体因素,结合遗传算法对这些子因素进行约简,约简时重点考虑重要度高的主因素,确定最终的事故因素及其决策规则;最后,实例分析得出导致事故的主要因素为机组违规、管制差错与违规、气象和空域。实例分析结果表明,该模型与算法能适应航空事故数据特点,能客观描述几个主要因素与事故发生之间的关联关系。     

含风电的电力系统低碳经济调度

含风电场的电力系统调度是一个多目标优化问题。运用机会约束方法,建立了包括低碳化和发电成本两个目标函数的调度模型,在充分考虑环境保护效益的同时,提出了风险成本的概念,使得发电成本更切合工程实际。在改进自适应遗传算法的基础上,引入了pareto最优解集方法,充分发挥了遗传算法的全局搜索能力和pareto求解多目标问题的潜力。通过实际调度案例验证了所提算法的合理性。     

基于遗传算法进行EMI滤波器电感的设计

通过电感的高频特性及其对共模插入损耗的影响分析,采用遗传算法和Ngspice仿真库设计出电感的选择方案,最后通过电路仿真和实验同时验证方案的有效性。该方案避免了对EMI滤波器高频段的复杂建模,降低了电感选择的难度,对电感元件的选择具有一定的指导意义。     

基于神经网络和遗传算法的城市火灾风险评价模型

以消防安全工程学与系统安全工程理论为基础,结合我国城市发展特征及消防安全管理状况,建立了城市区域火灾风险评价指标体系;针对神经网络易陷入局部极小而引起评价指标权值分布不合理的缺陷,提出了基于神经网络和遗传算法的城市火灾风险评价模型,该模型以火灾发生的可能性以及灾后的严重程度为输入单元,火灾风险等级为输出单元,采用误差反算法训练BP网络,最终得出火灾风险等级范围,有效地解决了城市火灾的动态性和非线性特征;研究实例证明了该模型的有效性,可为城市的消防安全管理提供确实可行的参考依据。     

工程中的遗传算法

介绍遗传算法的基本原理、基本理论及其在工程决策（包括安全、环保）中的应用，说明这一新的优化技术具有广阔的应用前景。     

交通系统智能决策的算法研究

遗传算法是近年来迅速发展起来的一种全新的随机搜索与优化算法，但由于其自身固有的缺陷，通常优化过程的收敛速度较慢，局部搜索能力不足，而且算法稳定性较差。而蚁群算法广泛应用在旅行商问题计算中，目前是较好的求解最短路由问题的算法之一。就其自身来说有很多优点，如正反馈性、鲁棒性和智能性，但是在寻优过程中容易陷入局部最佳的缺点。针对上述情况，将遗产算法与蚁群算法相结合，用于实际交通系统寻找最优路径的问题中，并定义了目标函数，以路径可靠性和路径长度为优化目标，寻找最合适的救灾路线。最后通过实际计算结果的对比验证，说明了该方法的有效性。