智能计算在网络入侵检测中的应用研究

研究了基于遗传算法和差分进化计算的入侵检测系统中的特征选择技术,差分进化计算在变异过程中并未考虑到适应度大的个体,同时存在过早收敛问题,而遗传算法需要很多的迭代次数才能收敛.针对以上缺点,结合模拟退火算法对差分进化的变异过程进行改进,同时设计合理的适应度函数,使得该算法收敛于最优特征子集.经过Lincoln实验室入侵检测系统评估数据集合MIT' 1998测试,改进算法与差分进化算法和遗传算法相比,具有良好的收敛性能,并且收敛特性稳定.     

基于遗传算法的计算机通信网优化设计

在生物遗传法则中,有一种自然选择最优机制,是促进生物不断进化的主要方法,这种进化方法就是遗传算法。生物遗传算法是具备的优良特性以及优化可靠性使其在其他很多科研领域中也获得了广泛应用,其中计算机通信工程的通信网优化设计就常常采用遗传算法来进行优化设计。现本文通过区分遗传算法与一般数学寻优方法,阐述了遗传算法的基本原理,继而分析了计算机通信网的优化设计要求,并探讨基于遗传算法的计算机通信网优化设计方法。     

基于免疫遗传算法的可用输电能力计算

针对目前可用输电能力（ATC）算法所存在的问题提出一种新的算法一免疫遗传算法（IGA）,该算法将目标函数和约束条件比作抗原,将问题的解比作抗体,通过亲和度计算来评价抗体并促进或抑制抗体的产生,减少了进化过程中陷入局部最优解的可能性。本文以IEEE-30节点测试系统为例进行仿真计算,并与遗传算法的计算结果进行了比较,表明了该算法用于ATC计算的可行性和有效性。     

一种基于进化博弈的遗传算法改进策略

作为演化算法的一个重要分支遗传算法在理论研究和实践应用中已经取得了巨大的成功,但遗传算法存在收敛速度慢和易于陷入局部最优的问题,将从遗传算法的遗传操作的设计入手,应用博弈理论的鹰鸽模型,针对种群在进化中的不稳定性问题,使用了进化博弈理论里的进化稳定策略以及复制者动态模型。此方法是以整个群体为研究对象,研究种群中个体策略选择的问题。     

基于遗传算法改进神经网络的电力谐波检测算法

提出了基于遗传算法改进神经网络算法进行电力谐波分析的方案。遗传算法全局搜索能力强,收敛速度快的特点弥补了神经网络算法在进行谐波分析时易陷入局部最优解的缺点,同时对初始权值进行遗传算法进化也大大加强了整个算法模型的泛化能力。针对算法本文借助MATLAB的遗传算法和神经网络算法工具箱进行仿真训练发现使用遗传算法改进神经网络算法收敛速度更快,计算结果准确性更高,具有较好的谐波分析效果。     

遗传算法在边坡稳定分析中的应用

边坡稳定性分析的关键是如何确定最危险滑动面的位置并计算与之相对应的安全系数,应用人工智能方法,提出了遗传算法解决岩土工程中边坡稳定性分析的问题,该方法模拟了生物遗传进化的过程,克服了传统方法容易陷入局部最小值的缺点.     

GA-WNN在金华市区红层地下水水位预测中的应用

小波神经网络(WNN)的理论基础是小波函数的重构理论,只含有一个隐含层的3层小波神经网络,该网络可以通过多种形式来解决一个接近非线性映射问题。常用的遗传算法(GA)是在达尔文生物进化论的基础上逐渐形成的一种计算机模型,可以通过模拟自然进化来选择最佳的问题解决方法,基于遗传算法优化的小波神经网络包含了神经网络理论中最精华的部分,由于其结构简单、可塑性强,可以使权值收敛到某个值后,误差为全局最小值。通过建立金华市区红层地下水的GA-WNN模型,实现了对其进行科学的预测,为以后地下水预警体系建设打下了坚实的基础。     

遗传算法在高功率微波模式识别中的应用

遗传算法是一种全新的全局优化搜索算法,它以达尔文的自然选择学说和自然界的生物进化过程作为计算模型,具有简单通用,收敛性强等特点.文章将其应用于高功率微波模式识别的优化设计中,通过数值实验证明,应用遗传算法能够准确的确定波导中的模式分布.     

基于遗传算法的发电机励磁系统模型参数辨识

以某发电机组作为研究对象,提出了一种基于遗传算法的辨识方法对发电机励磁系统PID参数进行辨识,并验证了该方法的正确性;在现场试验时由厂家提供模型向电力系统实用模型转化过程中,实现了参数的快速转化,提高了现场工作效率;辨识过程中充分考虑了系统存在的非线性环节,能够真实反映励磁系统的动作响应过程。     

新型信息检索模型发展研究

介绍了3个新型信息检索模型——信念网络模型、粗糙集理论检索模型和遗传算法检索模型。认为信念网络模型以概率推理为基础,推理结果说服力强,并采用图形化网络结构直观地表达变量的联合概率分布及其条件独立性,能大量节约概率推理计算;粗糙集理论检索模型通过不可分辨关系确定问题的近似域,对问题不确定性的描述和处理具有客观性;遗传算法检索模型模仿自然界中生物的遗传和进化机理,可以方便地应用遗传操作算子,具有独特的优越性。这3种检索模型由于理论独特、方法新颖和效果良好,已经得到了一定的应用,逐渐成为研究热点。     

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EDS算法识别电压暂降的研究

电压暂降是电力系统中常见的一种电气故障。本文针对电网中经常发生的电压暂降的情况,通过对实际中的电力系统中的电压暂降故障与正常运行时候的电压进行采集,并应用欧氏距离平方(EDS)算法对两种情况下的数据进行计算,统计出不同情况下即所得到的欧氏距离平方值的范围,同时比较一下大小。经过对大量的电压暂降情况进行计算比较,结果表明,发生电压暂降情况下,欧氏距离平方值要明显大于正常情况下的值,而且该算法步骤少,计算速度快,能够达到快速、准确检测电压暂降故障的目的。     

浅谈系统发育分析方法

生物物种的多样性的价值越来越被人们所认识与利用。生物多样性的原因是生物进化的过程中,物种和物种之间、物种和无机环境之间共同进化形成的结果。对生物进行系统发育分析可以发现它们之间的亲缘关系及进化过程,使我们对其的利用更具针对性。重建生物类群的系统发育树已经成为生物信息学中一个十分重要的研究内容,并日益受到广泛的关注。本文综述了系统发育分析的各种研究方法以及生物信息学在其中的应用,并对生物信息学中所采用的研究生物进化关系的方法进行了比较,分析了其在生物信息学的发展趋势。     

一种引入强制变异的改进遗传算法

针对常用遗传算法存在容易产生过早收敛的问题,提出了一种将强制变异、最佳解保留和自适应交叉变异参数调整相结合的改进遗传算法。这种方法将进化过程中群体的平均适应度与最大适应度进行比较,以确定是否需要对群体实施强制变异或采用自适应交叉、变异概率调整。数值模拟的结果表明,这种方法可有效地克服早熟现象,提高全局优化能力     

这种生物不会呼吸

正以色列研究人员对一种常见的鲑鱼寄生虫进行研究时发现,一种名为Henneguya salminicola的寄生虫已失去线粒体基因组,这意味着该生物完全失去了有氧呼吸能力。线粒体是呼吸过程所必需的,它能分解氧气,产生一种叫作三磷酸腺苷的分子,多细胞生物利用该分子为细胞获取能量。一些进化适应性可使生物     

遗传算法在电力系统无功优化中的应用分析

随着科技的不断进步与发展,电力已经成为人们中不可缺少的能源。电力系统无功优化一般是指在保持正常的电力系统运行情况下,通过确立最优无功补偿点和设备容量,来尽可能的减少无功补偿设备的投资,最大可能的提高电力系统的电压稳定性,从而改善电压质量,降低电能损耗,保证电力系统的安全稳定运行。然而电力系统无功优化问题是一个求解过程非常复杂的混合优化问题,也是最优潮流问题中的一个重点。经过研究证明,遗传算法对于这种优化问题来说是目前最有效的解决方法,针对遗传算法在电力系统无功优化中的应用进行简要分析。     

基于量子位Bloch球面坐标的量子进化算法

根据量子位的Bloch球面坐标提出的一种量子进化算法,首先使用量子位的Bloch球面坐标对量子染色体进行编码,通过量子旋转门对量子位进行更新,而对于量子旋转门转角大小的选择,提出了一种简单快捷的确定方法。在旋转、变异操作的过程中,采用了基于量子位Bloch球面坐标的新算子。数值计算结果证明,基于量子位Bloch球面坐标的量子遗传算法在搜索能力和优化效率两方面优于普通的量子遗传算法。     

Petri网下基于结构进化的电商虚拟机数据访问

在Petri网下构建电商虚拟机离散并行系统,海量的电子商务信息数据以云存储方式寄存在虚拟机离散并行系统中,需要对数据进行准确访问,提高电商数据调度能力。提出一种基于结构进化的Petri网下电商虚拟机数据访问方法,构建Petri网下电商虚拟机数据库模型,进行电商虚拟机数据的信号模型构建的特征信息分析,设计基于结构进化的改进的遗传算法,采用多窗谱特征提取分析电商虚拟机数据访问过程中的数据偏移,通过结构进化控制数据访问过程中的指向性分布差异,实现对电商虚拟机数据访问算法改进。仿真结果表明,采用该算法能有效实现电商虚拟机数据访问幅度特征提取,在不同虚警干扰下对Petri网下的电商虚拟机数据进行访问的数据准确检测概率较高,数据访问抗干扰能力强。     

云进化机器人路径规划算法

针对EA(evolutionary algorithm)在机器人路径规划中局部收敛和收敛速度慢的缺点,结合云模型的优良特性,提出了基于云模型的路径规划算法.本算法采用正态云算子在路径池中进行进化和变异.进化过程中出现跨代精英路径时说明靠近了较优路径,就可以缩小进化范围,同时还利用了往次进化过程中的优化结果,来保证最终结果的准确性.仿真实验证明,本算法不但提升了进化速度,同时提高了路径的可靠性.     

基因污染——新世纪的忧患（下）

基因工程生物向环境释放的生态危险性地球现存已发现和未发现的生物估计有1000多万种,其各自独特的基因是30亿年地球生命进化过程中形成的。天然的生物基因库对人类是一个巨大的宝藏,一笔难以估量的财富,它也维系着人类自身的命