基于AGA优化BP神经网络的矿井通风机故障诊断

矿井通风机稳定运行对煤矿安全生产具有十分重要的意义。为提高通风机故障诊断的准确率,通过分析通风机振动信号频率成分与通风机故障类型之间的关系,提出一种基于自适应遗传算法（AGA）优化BP神经网络的矿井通风机故障诊断方法。采用AGA优化BP神经网络的连接权值和阈值,提高BP神经网络的学习能力和泛化能力;建立基于BP神经网络的通风机故障诊断模型,并进行仿真实验。实验结果表明,AGA优化的BP神经网络能够有效识别通风机故障类型,故障诊断准确率高。     

一种改进的遗传模拟退火算法解决函数优化问题

首先简要介绍了传统的遗传算法,然后分析了遗传算法的优点和不足。针对遗传算法容易产生早熟现象和局部寻优能力差的特点,通过引入改进的灾变操作和模拟退火算法跟遗传算法相结合,而增强了算法的全局收敛性,并且提高了算法的收敛速度。最后使用一个典型的遗传算法性能测试函数验证了改进算法对函数最优化的有效性,其性能明显优于传统的遗传算法和模拟退火算法。     

智能型入侵检测模型的设计

针对目前大多数入侵检测系统存在的局限性,提出了一种较为完善的入侵检测模型,即将专家系统和神经网络技术同时应用于入侵检测系统中,重点分析了规则的生成.为进一步提高检测性能,提出了遗传算法优化BP(Back Propagation)神经网络,经论证本设计降低了漏报率和误报率.     

遗传算法在非线性方程组求解中的应用

本文研究了遗传算法在非线性方程组求解上的应用，分析了其解决此类问题的特性及局限性。     

实施链式教学促进教学高效

数学知识之间具有很强的逻辑关系,但是学习中往往以知识点状态出现,从而提高了学生学习的难度,降低了教学效率.链式教学就是要把一个个知识链环(单个知识点)、思维方法链环、活动经验链环、生活经验链环链接起来,成为一个整体,并为后继学习安置开放的链接点.想在有限的时间内有效地把显性与隐性的知识点链接起来,以"动一发牵全身"、"震一点动整链"的基本思想来组织教学,来运作数学课堂以达到最佳的教与学的效果.     

小生境遗传算法在函数优化中的应用

探讨了基于稳态复制策略的二进制小生境遗传算法,并把其应用于复杂函数优化问题中,通过与基于最优保存策略的基本遗传算法进行比较,说明改进算法可以极大克服遗传算法未成熟收敛问题以及极易陷入局部解问题,提高了算法收敛性能和收敛速度。     

基于量子遗传算法的无人机生命迹象探测研究

针对基本遗传算法易早熟与局部搜索能力欠佳的缺陷,将一种改进的量子遗传算法应用于无人机生命迹象探测路径优化。在基本量子遗传算法的基础上,根据目标函数梯度自适应地确定量子旋转门转角。数值实验表明,该改进算法比基本量子遗传算法有更好的局部收敛性与更快的收敛速度,可获得比基本量子遗传算法更优的生命迹象探测路径。     

免疫算法与遗传算法的比较

免疫算法与遗传算法二者有不同点，通过仿真实验表明它们之间在功能和应用方面有区别．     

一种改进的遗传模拟退火算法

遗传算法有早熟和局部搜索能力弱的缺点，而模拟退火算法没有较好的全局搜索效率。引入了一个新的选择机制来改进模拟遗传退火算法，使速度得到了提高并且可以避免早熟等缺陷。     

5G网络环境下的“无人机+车辆”应急物资配送优化方案

随着我国5G技术的高速发展,相较于以往的车辆运输,无人机在路面交通不畅的灾后现场配送能够有效降低灾区人员伤亡及财产损失,但同时其具有负载小、成本高等短板。因此配送车量与无人机联合配送模式下的路径优化问题将是研究重点。在满足车辆载重、无人机飞行距离和无人机载重的约束条件下,将完成一次整体配送所需时间作为衡量因素,建立分别在“配送车辆”运输模式和“配送车辆-无人机”运输模式下的最优路径模型对模型进行求解。