基于遗传算法的可持续土地利用动态规划

在建立和求解多目标可持续土地利用动态规划模型过程中,采用遗传算法并结合多目标模糊优选理论处理多目标土地利用结构优化问题。其详细步骤为：在分析区域特征基础上构建时间序列;通过现状分析设置土地利用类型决策变量,确定优化目标和约束条件,构建土地利用结构多目标优化模型;用灰色GM(1,1)预测模型对土地利用结构优化多目标模型参数进行预测;用遗传算法多目标优化方法对土地利用结构优化模型求解得pareto解集;最后运用多目标模糊优选动态规划方法对规划期内各时间段的pareto解集进行模糊动态优选,以最大优属度判定原则确定出最优决策序列。自贡市的实例表明,该方法有助于解决多目标协调问题,并通过提供多方案选择性,从而使规划更具灵活性,同时又便于充分吸纳公众参与,减少规划中的不确定性,增加规划的科学性、现实性和可操作性。     

实数编码遗传算法的评述

遗传算法是一种基于自然选择和遗传变异等生物进化机制的全局优化搜索算法．使用实数表示基因的实数编码遗传算法常用于求解连续函数优化等问题．本文阐述了实数编码遗传算法研究的有关工作进展，讨论了算法框架及特点，对实数编码遗传算法中常用的选择、交叉和变异算子进行了比较全面的形式化描述，并介绍了其未来研究方向．     

基于遗传集对分析的空气环境质量评价

集对分析是针对确定与不确定问题进行定量分析的一种方法,而表征差异度系数i的取值,一直没有确定的方法,即使在确定了同一度、差异度、对立度之后,整个联系数仍因i的不确定取值而呈现既确定又不确定的特征。文章将遗传算法应用于联系数表达式中i值的优化求解,使得联系数确定化,并结合实例对空气环境质量进行评价,评价结果与用其它方法评价结果比较表明该方法的可行性。     

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。     

机场终端区飞行流量的优化算法研究

为解决繁忙机场飞行终端区的交通拥挤问题,研究了遗传算法在跑道分配和飞机排序中的应用。建立多条跑道多架飞机的数学模型,使用遗传算法仿真计算寻求飞机进场总延迟时间最小的排序方案,并与传统的先到先服务算法进行了对比。结果表明:遗传算法与先到先服务排序相比较,总延迟时间减少了53%,说明了该算法排序结果明显优于先到先服务的排序结果。遗传算法具有全局寻优,且优化效率高的特点,有助于空中交通流量管理优化方案的建立。     

自然灾害社会脆弱性评估研究——以上海市为例

基于投影寻踪聚类模型(PPC),结合基于实数编码的加速遗传算法(RAGA),对上海市进行了自然灾害社会脆弱性评估的尝试。结果表明:①灾害社会脆弱性最高的为崇明县,其次为宝山区和金山区;②灾害社会脆弱性最低的是黄埔区,其次是徐汇区和静安区;③总体而言,灾害脆弱性较低的地区集中于上海城市中心区,而城市边缘区的社会脆弱性一般较高。     

基于改进多种群遗传算法的尾矿坝形变预测

针对遗传神经网络(GA-BP)建立的尾矿坝形变预测模型易出现早熟现象、预测结果不稳定、容易陷入局部最优值的不足,引入一种具有混沌局部搜索的多种群自适应遗传算法。该算法以双种群寻优为基础,改进了遗传参数的计算方式,分别以种群进化中染色体适应度值的集中程度和空间距离的分布作为自适应交叉率、变异率的计算依据应用于不同种群中,提高了种群的多样性和遗传算法全局搜索的能力;同时引入混沌局部搜索技术(CLS),完善了遗传算法局部搜索能力的不足。采用改进的遗传神经网络模型对贵州省白岩尾矿坝三维变形数据进行预测,并与传统的GA-BP和AGA-BP模型预测结果进行比较。结果表明:改进后的模型预测精度更高,结果更加稳定,具有良好的预测效果。     

基于灰色神经网络优化组合模型的火灾预测研究

为了提高火灾事故预测的精度,根据我国火灾事故数据样本较小,波动性较大的特点,将遗传算法优化的灰色无偏预测模型与遗传算法优化的BP神经网络模型结合起来,建立灰色神经网络优化组合模型,充分发挥无偏灰色预测模型适用于小样本的数据预测的优势与BP神经网络处理非线性问题的优点。分别采用遗传算法优化后的无偏灰色GM（1,1）模型、遗传算法优化的BP神经网络预测模型与灰色神经网络优化组合模型对我国1998-2008年的火灾事故进行拟合,并对2009-2011年的火灾事故发生数进行预测。结果表明:灰色神经网络优化组合模型的预测误差最小,精度最高,适用于火灾事故的预测。     

基于遗传算法的支持向量机预测有机物自燃点的研究

根据定量构效关系(QSPR)原理,研究自燃点(AIT)与其分子结构间的内在定量关系。以265种有机化合物作为样本集,随机选择238种作为训练集,27种作为测试集,用遗传算法(GA)进行变量选择,分别建立多元线性回归(MLR)模型和支持向量机(SVM)模型研究有机物的自燃点与其分子结构间的关系。通过分析,发现造成模型预测效果不佳的原因是试验数据本身存在问题。通过对2个模型的比较,结果为GA-SVM模型明显优于GA-MLR模型,说明自燃点与其分子结构间具有很强的非线性关系。