纯电动汽车机电复合制动控制策略分析

为提高电动汽车能量利用率、改善车辆制动效果,依照制动踏板的不同工作状态,设计了一种并联制动控制策略。在制动踏板踩下的复合制动工况,按照相关制动法规对机械制动和再生制动进行合理分配;在滑行制动工况,以能量回收效率为目标函数,运用遗传算法优化电机在不同转速下的最佳制动转矩。分别在典型道路工况和常规制动工况下对该策略进行实车测试,结果表明:在中国轻型汽车行驶工况(CLTC-P)下,该策略的节能贡献度可达25.93%,在滑行制动工况能量回收效率较原车提升64.07%,车辆制动距离也有明显缩减。     

遗传算法求解TSP问题的研究

针对组合优化中的TSP问题,分析了遗传算法的特点,设计了遗传算法的编码、交叉、变异及进化逆转算子,克服了遗传算法容易出现局部收敛的现象,并使用Matlab实现了这一算法,将其应用于山东省17个城市的TSP问题,通过计算结果分析验证了该遗传算法的有效性。     

无源滤波器多目标优化设计及仿真

提出了一种新的无源滤波器设计思路,即以无源滤波器的滤波效果、无功补偿能力和所需成本三项为目标进行全局最优选择。使用遗传算法通过对适应度函数参数值调整使得群体向三目标最佳协调点进化。最后利用MATLAB仿真实验证明利用遗传算法改进方案设计滤波器的有效性。     

遗传算法优化BP神经网络的非线性函数拟合研究

传统的BP神经网络收敛速度慢,以及该算法的不完备性,易陷于局部极小,全局最优无法保证能收敛到等缺点.针对BP神经网络的缺陷,该文提出了遗传算法,利用遗传算法优化BP神经网络权值和阈值,使得训练了BP神经网络预测模型得到了最优解.采用遗传算法优化BP神经网络的算法,并以此结合算法来研究非线性函数拟合的问题.从实验结果表明,基于遗传算法优化的BP神经网络的非线性函数拟合具有较强的收敛性和鲁棒性,并且有了更高的预测精度.     

基于拓扑结构下的交巡警服务平台的设置与调度

交巡警平台担负着完善交通环境,处理突发事件的责任。在城市中如何合理的设置交巡警服务平台的数量,确定管辖范围,制定服务平台的调度方案,是本文着重解决的问题。我们利用MATLAB软件建立交巡警平台管辖范围模型,针对突发事件进行合理的警力调配提出应急交巡警服务平台模型,该模型基于图论原理构建原始问题的拓扑结构,以满足在现有条件下,尽可能在指定时同内完成霞区域的全封锁。可以得到优化的交巡警平台警力的合理调度方案,结合发案率,根据每个节点被服务平台覆盖的次数确定完善的交巡警服务平台的设置方案。将道路离散化处理,利用Floyd算法求解。建立相应的整数规划模型,利用贪婪算法近似求解,提出利用交巡警服务平台覆盖率和服务平台缺失年两个评价服务平台显著程度的指标。     

基于自动协商的社交网用户隐私保护机制研究

针对社交网隐私安全问题,利用基于Agent的Pareto遗传算法构建社交网络隐私自动协商模型,实现隐私策略结果的多样性。实验表明,该模型根据用户隐私偏好和社交网隐私策略的不同协商可以产生不同的结果,实现了协商结果的多样性;该模型随着协商次数的增加,协商时间增加很小,在时间上具有可行性。各Agent获得的效用总值达到Pareto最优解,从而验证了该模型的有效性。     

基于协同进化遗传算法的SOFM神经网络及其应用

针对遗传算法优化SOFM神经网络的不足,提出利用合作型协同进化遗传算法实现SOFM神经网络优化的方法。其基本思想是：针对SOFM神经网络中存在的“死神经元”现象,在SOFM神经网络中引入全局搜索能力很强的合作型协同进化遗传算法,这样既解决了分类结果对样本输入顺序的过分依赖,又实现了SOFM神经网络在竞争过程中的全局最优性。将新算法用于矿井突水水源判定问题,结果表明,该算法具有较好的全局收敛性,且可在很大程度上避免“死神经元”现象。     

基于多目标遗传算法的游戏路径规划研究

为游戏中非玩家控制角色（NPC）设计自动寻路算法是人工智能研究领域的一大热点。首先模拟多目标游戏地图作为实验平台,然后以路径长度、路径安全程度和对游戏角色的耗费为评估目标,提出了基于多目标遗传算法的路径规划方法。经过实验验证,算法虽然比A*算法实时性差,但其对地图全局有很好的把握,在多目标环境下,其得到的路径存在明显的全局最优。     

基于遗传算法和禁忌搜索算法的排课系统研究

排课是高校教务管理工作中的重要业务之一。由于排课问题考虑的因素和约束条件很多,加上不同的学校情况不同,因此很难形成一个固定的排课模式。分析了排课问题的实质及解决方案,主要采用遗传算法和禁忌搜索算法解决排课问题,通过对比和计算分析,取得了良好的效果。     

改进神经网络在高校教学实践评价中的应用

针对传统教学实践评价中的局限性和人为因素过重等问题,为得到客观、准确的评价效果,提出了一种改进的神经网络教学实践评价方法,充分利用遗传算法的优化性质和神经网络的自学习、自适应能力,先用遗传算法对神经网络权值和阀值寻优,再用神经网络精确求解,自动从样本数据中找出与评价结果之间的非线性关系,得到评价结果。实验证明,改进后的神经网络算法达到了全局寻优和快速高效的目的,避免了局部极小问题,达到了良好的评价效果。