Matlab遺傳算法工具箱在物流網(wǎng)絡設計中的應用

以epanet2.0管網(wǎng)計算軟件為平臺,在準確的供水管網(wǎng)水力模型的基礎上,搭建供水管網(wǎng)水質(zhì)余氯模型,確定管網(wǎng)主體水余氯衰減系數(shù)和管壁余氯衰減系數(shù)。利用matlab遺傳算法工具箱校核余氯模型,通過調(diào)整管網(wǎng)主體水衰減系數(shù)和管壁余氯衰減系數(shù)來提高管網(wǎng)余氯模型精度。

物流網(wǎng)絡的構(gòu)建是在一個地區(qū)內(nèi)形成更牢固、更平衡空間結(jié)構(gòu),增加凝聚力的基本要求.城市結(jié)點作為區(qū)域物流網(wǎng)絡系統(tǒng)的重要組成部分,不能囿于傳統(tǒng)理論上行政領土的連續(xù)性,而應建構(gòu)在經(jīng)濟中心城市或結(jié)點間的軸線(物流、信息流)之上.通過建立區(qū)域物流網(wǎng)絡評價體系,考察江蘇區(qū)域物流網(wǎng)絡結(jié)點在發(fā)展過程中物流競爭力及整體協(xié)調(diào)度.進而對江蘇區(qū)域物流網(wǎng)絡空間結(jié)構(gòu)進行優(yōu)化分析.

煤炭自古就是我國的第一大能源,在我國經(jīng)濟發(fā)展過程中,處于極其重要的地位。但在煤炭物流網(wǎng)絡系統(tǒng)方面我國還有欠缺,給煤炭市場的供需造成很多不便,進而影響到經(jīng)濟社會的發(fā)展,制約著我國gdp的發(fā)展。本文應用耗散結(jié)構(gòu)理論與方法,分析了煤炭物流網(wǎng)絡系統(tǒng)熵的產(chǎn)生情況,基于耗散結(jié)構(gòu)理論對煤炭物流網(wǎng)絡系統(tǒng)進行優(yōu)化,使煤炭物流網(wǎng)絡系統(tǒng)的熵值保持在較低的水平。在一定程度上改善煤炭物流網(wǎng)絡系統(tǒng),間接地改善我國經(jīng)濟社會發(fā)展的能源需求,進而提高煤炭行業(yè)的龍頭地位,提高經(jīng)濟效益。

物流網(wǎng)絡的構(gòu)建是在一個地區(qū)內(nèi)形成更牢固、更平衡空間結(jié)構(gòu),增加凝聚力的基本要求.城市結(jié)點作為區(qū)域物流網(wǎng)絡系統(tǒng)的重要組成部分,不能囿于傳統(tǒng)理論上行政領土的連續(xù)性,而應建構(gòu)在經(jīng)濟中心城市或結(jié)點間的軸線(物流、信息流)之上.通過建立區(qū)域物流網(wǎng)絡評價體系,考察江蘇區(qū)域物流網(wǎng)絡結(jié)點在發(fā)展過程中物流競爭力及整體協(xié)調(diào)度.進而對江蘇區(qū)域物流網(wǎng)絡空間結(jié)構(gòu)進行優(yōu)化分析.

遺傳算法是模擬自然選擇和自然遺傳過程中的繁殖、交叉和基因突變現(xiàn)象,在每次迭代中都保留一組候選解,并按某種指標從解群中選取較優(yōu)的個體,利用遺傳算子對這些個體進行組合,產(chǎn)生新一代的候選解群,重復此過程,直到滿足某種收斂指標為止。此算法在解決復雜優(yōu)化問題的潛力和在工業(yè)領域的成功應用的到廣泛關(guān)注。主要介紹了遺傳算法用于測量中線性問題的解算,并根據(jù)此算法自身優(yōu)點,應用于測邊網(wǎng)平差等非線性問題的解算中,得出了理想的結(jié)果,并據(jù)此得出了一些建議與結(jié)論。

采用遺傳算法對建筑設計進行優(yōu)化,是建筑設計領域一個全新的研究方向,然而,在日照分析下基于遺傳算法求解最優(yōu)值時,需要對每個進化個體進行適應度函數(shù)的計算,將消耗大量的運行時間.為了降低算法的復雜性,提出一種神經(jīng)網(wǎng)絡結(jié)合遺傳算法的建筑優(yōu)化設計方法.研究結(jié)果表明：與傳統(tǒng)遺傳算法對比,該方法可以有效降低算法的迭代次數(shù)和運行時間,提高建筑優(yōu)化設計的效率.

采用遺傳算法對建筑設計進行優(yōu)化,是建筑設計領域一個全新的研究方向,然而,在日照分析下基于遺傳算法求解最優(yōu)值時,需要對每個進化個體進行適應度函數(shù)的計算,將消耗大量的運行時間.為了降低算法的復雜性,提出一種神經(jīng)網(wǎng)絡結(jié)合遺傳算法的建筑優(yōu)化設計方法.研究結(jié)果表明:與傳統(tǒng)遺傳算法對比,該方法可以有效降低算法的迭代次數(shù)和運行時間,提高建筑優(yōu)化設計的效率.

在彎管前安裝擾流子，可以減小彎管處二次流強度，降低能量損失，并運用cfd軟件對不同參數(shù)下的擾流子節(jié)能效果數(shù)值計算。以l9（33）正交試驗以及4組補充試驗作為bp神經(jīng)網(wǎng)絡的訓練樣本，建立在5種雷諾數(shù)下擾流子節(jié)能效率與擾流子葉片轉(zhuǎn)角、葉片長度、安裝距離3個結(jié)構(gòu)參數(shù)的非線性映射關(guān)系；擾流子節(jié)能效率最大值作為目標函數(shù)，再結(jié)合遺傳算法進行結(jié)構(gòu)參數(shù)優(yōu)化。最終得到在不同雷諾數(shù)下擾流子葉片轉(zhuǎn)角、葉片長度、安裝距離的最佳組合形式，并利用有限元方法對結(jié)果驗證。結(jié)果表明，這種優(yōu)化方案具有可行性；合適的結(jié)構(gòu)參數(shù)的擾流子具有良好的節(jié)能效果。

在彎管前安裝擾流子,可以減小彎管處二次流強度,降低能量損失,并運用cfd軟件對不同參數(shù)下的擾流子節(jié)能效果數(shù)值計算.以l9(33)正交試驗以及4組補充試驗作為bp神經(jīng)網(wǎng)絡的訓練樣本,建立在5種雷諾數(shù)下擾流子節(jié)能效率與擾流子葉片轉(zhuǎn)角、葉片長度、安裝距離3個結(jié)構(gòu)參數(shù)的非線性映射關(guān)系;擾流子節(jié)能效率最大值作為目標函數(shù),再結(jié)合遺傳算法進行結(jié)構(gòu)參數(shù)優(yōu)化.最終得到在不同雷諾數(shù)下擾流子葉片轉(zhuǎn)角、葉片長度、安裝距離的最佳組合形式,并利用有限元方法對結(jié)果驗證.結(jié)果表明,這種優(yōu)化方案具有可行性;合適的結(jié)構(gòu)參數(shù)的擾流子具有良好的節(jié)能效果.

以一個雙輸入單輸出溫度控制系統(tǒng)為例,詳細敘述應用系統(tǒng)辨識工具箱進行建模、仿真和設計控制系統(tǒng)的過程,包括控制對象的辨識數(shù)據(jù)采集、模型估算、控制器設計和系統(tǒng)仿真等.重點介紹了系統(tǒng)辨識工具箱圖形用戶界面的使用方法.

針對傳統(tǒng)方法單獨采用bp神經(jīng)網(wǎng)絡算法易陷入局部極值的問題,提出了遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡,并將其應用于mimo-ofdm系統(tǒng)信號檢測中。該方法將遺傳算法與神經(jīng)網(wǎng)絡相結(jié)合,用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡初始值,使bp網(wǎng)絡快速收斂到最優(yōu)解,避免了由初始值的隨機選取而帶來的檢測誤碼。仿真結(jié)果表明所提出的方法在誤碼率方面有比較好的性能。

matlab工具箱介紹.

標準遺傳算法在求解無約束優(yōu)化問題時得到了成功的應用,但是多數(shù)的工程實例為約束優(yōu)化問題.目前引入懲罰函數(shù)思想的遺傳算法是解決約束優(yōu)化問題最常用的方法,但是使用此方法時參數(shù)的設定較為困難.從避免這個困難和提高算法本身性能的角度出發(fā),構(gòu)造了一種新的算法.首先對非可行個體進行修正,把約束優(yōu)化問題轉(zhuǎn)化為無約束優(yōu)化問題;其次,采用了擴大搜索空間選擇較優(yōu)個體的交叉算子,增強了全局搜索能力;最后,在部分較優(yōu)個體附近采用了局部搜索策略,提高局部搜索能力.通過對2個工程優(yōu)化實例的求解說明了算法的有效性.

遺傳算法在固結(jié)系數(shù)計算中的應用——建筑物的荷載通過基礎傳給地基，地基受力后將會產(chǎn)生應力和變形，從而導致建筑物基礎產(chǎn)生沉降和傾斜。如果基礎的沉降不均勻，將會對于建筑物的安全產(chǎn)生一定的影響，而影響沉降的最主要因素是飽和土體的固結(jié)系數(shù)，而固結(jié)系數(shù)的...

在科學技術(shù)逐漸發(fā)展的過程中,計算機技術(shù)得到了廣泛性的應用,通過計算機網(wǎng)絡可靠性中遺傳算法的技術(shù)應用,可以提高計算機技術(shù)應用的有效性,提高遺傳算法的合理性,從而為整個技術(shù)的應用及建立提供充分性的保證。

在科學技術(shù)逐漸發(fā)展的過程中,計算機技術(shù)得到了廣泛性的應用,通過計算機網(wǎng)絡可靠性中遺傳算法的技術(shù)應用,可以提高計算機技術(shù)應用的有效性,提高遺傳算法的合理性,從而為整個技術(shù)的應用及建立提供充分性的保證。

將遺傳算法(ga)和人工神經(jīng)網(wǎng)絡(ann)引入框架結(jié)構(gòu)可靠度分析,其結(jié)果與jc法的計算結(jié)果相比較,進一步顯示出遺傳算法和人工神經(jīng)網(wǎng)絡用于計算結(jié)構(gòu)可靠度的優(yōu)點,為結(jié)構(gòu)可靠度研究提供了新的有效思路和方法。

為了實現(xiàn)樁身完整性的智能分類,并減少人為因素造成的誤判,文章建立適用于樁基完整性檢測的基于遺傳算法的bp神經(jīng)網(wǎng)絡模型,運用matlab軟件對模型進行模擬,并求出模型的可行性的解,從而實現(xiàn)對不同類型樁身的完整性智能辨別的功能,最后再通過測試樣本對模型的正確性進行驗證。測試樣本中的預測結(jié)果與理想結(jié)果非常接近,通過計算得出測試樣本的仿真誤差為0.1538,訓練樣本的仿真誤差為0.092644。結(jié)果表明,基于遺傳算法的bp神經(jīng)網(wǎng)絡模型能過較好的對樁身完整性進行分類,并且在減少樁型誤判的情況下,又提高了效率,在實際工程中具有良好的應用前景。

目的將改進的神經(jīng)網(wǎng)絡模型應用于鉆孔灌注樁樁孔質(zhì)量的智能化識別,從而減少人為的誤判、漏判情況.方法將遺傳算法與神經(jīng)網(wǎng)絡模型有機地結(jié)合起來,建立樁孔質(zhì)量檢測的智能化模型,先利用遺傳算法對神經(jīng)網(wǎng)絡的權(quán)值和閾值進行優(yōu)化,再結(jié)合訓練完成的神經(jīng)網(wǎng)絡模型對樁孔質(zhì)量進行預測,同時根據(jù)現(xiàn)場數(shù)據(jù)建立三維分析圖,通過預測結(jié)果與三維分析圖的比對來驗證模型的準確性.結(jié)果測試樣本的仿真誤差為0.00575,訓練樣本的仿真誤差為0.0224;5、6號樁孔的預測結(jié)果為(0.0012,0.9999),(0.0027,0.0051),即5號樁質(zhì)量為合格,6號樁質(zhì)量為良好.結(jié)論通過預測結(jié)果與三維分析圖的比對結(jié)果,可以得出基于遺傳算法的神經(jīng)網(wǎng)絡模型能夠較好地對孔灌注樁進行智能判別.

目的將改進的神經(jīng)網(wǎng)絡模型應用于鉆孔灌注樁樁孔質(zhì)量的智能化識別,從而減少人為的誤判、漏判情況.方法將遺傳算法與神經(jīng)網(wǎng)絡模型有機地結(jié)合起來,建立樁孔質(zhì)量檢測的智能化模型,先利用遺傳算法對神經(jīng)網(wǎng)絡的權(quán)值和閾值進行優(yōu)化,再結(jié)合訓練完成的神經(jīng)網(wǎng)絡模型對樁孔質(zhì)量進行預測,同時根據(jù)現(xiàn)場數(shù)據(jù)建立三維分析圖,通過預測結(jié)果與三維分析圖的比對來驗證模型的準確性.結(jié)果測試樣本的仿真誤差為0.00575,訓練樣本的仿真誤差為0.0224;5、6號樁孔的預測結(jié)果為(0.0012,0.9999),(0.0027,0.0051),即5號樁質(zhì)量為合格,6號樁質(zhì)量為良好.結(jié)論通過預測結(jié)果與三維分析圖的比對結(jié)果,可以得出基于遺傳算法的神經(jīng)網(wǎng)絡模型能夠較好地對孔灌注樁進行智能判別.

基于遺傳算法的改進BP神經(jīng)網(wǎng)絡模型在水質(zhì)評價中的應用

由于水沙作用機制和演進規(guī)律的復雜性,以及河道形態(tài)變化等因素,多泥沙洪水預報一直是洪水預報的難點,對高含沙洪水快速、準確的預報是多年來國內(nèi)外專家十分關(guān)注的課題。作者采用具有高度非線性識別能力的人工神經(jīng)網(wǎng)絡與遺傳算法相結(jié)合的方法,探討了建立智能預報模型的基本方法,進一步對如何提高預報精度的問題進行了研究,并結(jié)合黃河洪水預報實例檢驗了神經(jīng)網(wǎng)絡模型的可行性。檢驗結(jié)果表明,該方法能夠較好地識別多泥沙洪水的演進規(guī)律,對水位、流量和含沙量都能進行合理預報