利用遗传算法反演皖中地区地壳速度结构

利用安徽数字地震台网2009～2012年记录的421条高质量近震纵波数据,建立层状介质模型,基于遗传算法对安徽中部地区(30.5～33.2°N,116～119.3°E)地壳一维速度结构进行反演,结果显示遗传算法能够较好的用于一维速度结构反演,同时得到该地区地壳平均厚度、地壳各层平均厚度及各层中P波平均速度,为进一步开展该地区基础研究提供一个合适的初始地壳模型。     

基于遗传算法和场域模型的多障碍物房间人员疏散研究*

为提高多障碍物房间的人员疏散效率,利用场域元胞自动机模型并融合经典遗传算法,对2出口和4出口的多障碍物房间进行布局优化和疏散仿真研究。研究结果表明:利用遗传算法可快速寻找最优座椅布局,连排座椅设置在远离出口侧可有效减轻行人疏散时的拥堵程度;经过遗传算法优化后的座椅布局可协调疏散人群到达出口的时间,从而缓解出口通行压力,提高整体疏散效率,保障行人在大型多障碍物房间内的疏散安全。     

印染废水的神经网络法优化絮凝处理

为获得新型絮凝剂的最佳制备条件,采用人工神经网络(ANN)结合加速遗传算法(AGA)对絮凝剂性能影响因素进行全局寻优。在影响絮凝剂处理性能的主要因素Fe、Al与Si的摩尔比n(Fe+Al):n(Si),B、Mg和Si的摩尔比n(B+Mg):n(Si)以及熟化时间的有效作用范围内,用Box-Behnken Design(BBD)实验设计方法,产生15组影响因素组合作为输入样本,经对印染废水的絮凝处理实验得到相应的COD和色度去除率输出样本,由神经网络方法对15组输入、输出样本数据建模,得到反映絮凝剂制备条件和絮凝剂去除效果的响应关系,并采用加速遗传算法全局优化,得到最大COD去除率和色度去除率条件下的最优絮凝剂制备条件组合,即n(Fe+Al):n(Si)=5.08,n(B+Mg):n(Si)=0.55,熟化时间为2.1 d,对应的印染废水COD去除率为88.10%,色度去除率为95.37%。模型验证实验显示,实验值与模型预测值的最大相对误差不超过5%。相对于响应曲面法,用神经网络结合加速遗传算法优化得到的新型絮凝剂去除印染废水中COD和色度的能力更高,进一步验证了神经网络法在新型絮凝剂制备条件优化中的有效性。     

10过程工业清洗用水减量优化算法

建立了10过程工业清洗用水数学模型，分析了10过程的工业清洗用水流量、进出口浓度、杂质传质速率之间的关系，并转化为一个有约束条件的优化问题。提出了一套基于遗传算法-模拟退火法-单纯形法的工业清洗过程用水的优化方法，编制了清洗过程用水的应用程序。优化结果表明：新鲜水可由252．42t／h降至152．82t／h，节水量99．60t／h，污水减少量99．60t／h，节水率达39．5％。     

云计算中基于改进遗传算法的多目标优化调度

针对云计算中用户任务完成时间和费用的均衡优化问题,考虑任务截止时间和费用预算约束,从用户角度出发对云计算中的任务资源及调度问题进行了分析。将优化任务完成时间和费用的调度问题建模为云环境下的多目标优化问题,通过改进的遗传算法实现该多目标优化问题的求解,从而在截止时间和费用预算约束条件下实现完成时间与费用的均衡优化。结果表明,相对于其它类似调度方法,所提出的调度方法在完成时间、费用和截止时间超出率方面均有明显优势。     

基于GA优化SVM的滚动轴承故障诊断方法研究

在滚动轴承故障诊断研究中,常采用时域、频域或者时频域分析方法对振动监测数据进行故障诊断。时域中的无量纲指标因对故障敏感,而被广泛运用于机械故障诊断中,但目前无量纲指标在诊断过程中存在严重重叠问题,造成诊断准确率低。为了解决这个问题,研究了基于互无量纲指标和支持向量机(SVM)结合的滚动轴承故障诊断方法。针对SVM对参数依赖性强,且在参数选择上没有系统理论而导致欠学习或过学习的问题,提出了一种基于遗传算法优化支持向量机(GA-SVM)的滚动轴承故障诊断方法。利用遗传算法进化搜索原理,以预测的准确率作为适应值,对SVM参数进行寻优,从而得到较优的支持向量机分类模型。实验表明,基于互无量纲指标和GA-SVM算法的故障诊断方法能够准确地识别旋转机械滚动轴承的状态。     

化学工业园区应急能力可靠性分析

提出一种基于遗传算法优化的BP神经网络(GA-BP)的园区应急能力可靠性分析模型。通过故障树分析对化工园区应急救援能力的可靠性进行量化并作为GA-BP神经网络的输出值,以故障树中的基本事件为依据,进行分类总结,建立化工园区应急救援能力层次分析指标体系;从日常生产状态下的应急系统维护与事故时的应急处置能力这两个准则层考虑,指标层元素分别对应故障树的基本事件,并计算其相对于目标层的复合权重;从样本组中,选取训练样本和测试样本验证基于遗传算法优化的神经网络可靠性分析模型的可行性,并与传统BP神经网络的分析数据进行对比;结果表明,经过遗传算法优化后的BP神经网络平均误差和均方误差均较小。得出GA-BP神经网络的分析结果与故障树更加接近,而且相对于故障树分析减少了复杂的建树过程,具有更高的易用性。     

遗传神经网络在水质监测点优化布局中的应用

为科学全面地掌握湖泊水域的水质指标分布状况,以广西大学镜湖为实验研究对象,以无人船为平台将RBF神经网络与遗传算法相结合,对监测点的优化选择进行了讨论研究。分别对水质参数的单目标与多目标进行优化实验,并绘制拟合分布图。结果表明:遗传神经网络比传统的等距监测在水质参数的分布误差上具有明显优势,并在优化后至少6周内,其结果反映的数据依旧准确有效,说明遗传神经网络可明显提高水质监测的效率。     

基于空气质量模式和数学规划模型的城市PM2.5达标策略——以临汾为例

为了改善城市空气质量,降低PM_2.5浓度,需要制定科学的控制策略,同时兼顾污染物减排量与减排成本效益.本文基于区域大气环境模型RegAEMS与数学规划模型,采用多目标遗传算法,探究城市大气PM_2.5污染的最优控制策略,并应用于临汾市（14类行业源、17个区域源）的PM_2.5浓度达标规划,实现污染物排放量最大和减排成本最小的双目标优化.结果表明,在PM_2.5平均浓度近200 μg/m³的重污染天气条件下,为达到PM_2.5浓度目标（75μg/m³）,临汾市最大污染物允许排放量为356.7t/d,最小减排成本为3.36亿元.NO_x、SO₂、NH₃、VOCs和一次颗粒物的减排量分别为98.1,49.9,44.3,155.7和105.5t/d,减排成本分别为11.7,6.8,6.2,5.5和3.5千万元.对VOCs、NO_x、PM_2.5、NH₃和SO₂减排潜力最大的行业分别为焦化源、移动源、扬尘源、农业源和民用燃烧源,分别占所有行业5种污染物减排量的21.6%、14.1%、11%、8.6%和3.8%.钢铁行业的减排成本最高（39%）;襄汾县的减排量最大,减排成本最高（达7218万元）.     

基于人工免疫的柔性EMI滤波器自动进化设计研究

针对电力电子系统的EMI滤波器设计中的问题,开展基于神经网络和遗传算法的柔性滤波器电路自动进化设计研究,综合多项EMI滤波器设计目标进行自动优化设计,并在实际应用中实现了柔性滤波器这一目标。