思维进化算法

摘要： 由于小波神经网络图像还原的效果一定程度上受初始值的影响,因此本文提出了一种基于思维进化算法(Mind Evolutionary Algorithm, MEA)优化小波神经网络方法。思维进化算法本身具有很强的全局搜索能力,因此先用MEA方法得到小波神经网络的初始值,再训练小波神经网络。实验证明,与BP、思维进化算法的BP神经网络(MEA-BP)相比,MEA-WNN方法复原的图像获得了更好的结果。

摘要： BP神经网络具有处理非线性函数的功能,在预测领域尤其是在需水预测领域应用广泛。而BP神经网络存在易陷入局部最优、收敛速度慢等不足,学者们采用不用的算法优化BP神经网络。文章提出一种用思维进化算法优化BP神经网络的需水预测模型,同时建立BP预测模型为对比模型。实例结果表明,MEA-BP预测模型预测精度高、预测速度快,是一种较理想的需水预测模型。

摘要： 针对传统人工视觉对鲜天麻质量进行分级耗时长、效率低、经济性差等问题,提出了基于机器视觉的天麻自动分拣系统设计方法。引入基于思维进化算法优化BP神经网络(MEA-BP)的新鲜天麻质量预测模型,并在思维进化算法中获取较优的BP神经网络权值和阈值,用该神经网络进行天麻质量等级检测。实验结果表明:识别模型识别率为96%,准确率为89%。

摘要： 对于混流式水轮机而言,尾水管的压力脉动是导致机组振动、影响机组稳定运行的重要因素。为了在机组设计阶段就能有效预测混流式水轮机尾水管的压力脉动并对其采取相应措施以减小压力脉动,引入BP神经网络对压力脉动进行预测,利用思维进化算法(MEA)的全局搜索能力优化BP神经网络的权值和阈值。结果表明,经过MEA优化后的BP神经网络预测精度可达0.99148,比传统BP神经网络的预测精度提高0.721%。MEA优化BP的压力脉动预测效果比传统BP的预测效果更好、精度更高,可用于实际工程。

摘要： 建立精确的开关磁阻电机(SRM)模型对于改善SRM的性能和控制效果有着重要的影响。针对SRM运行时磁路的高度饱和和严重非线性问题,提出了基于思维进化算法(MEA)优化的反向传播(BP)神经网络算法的SRM非线性模型。利用ANSYS Maxwell软件建立了四相8/6极SRM模型并进行有限元计算,通过仿真和试验值的对比验证了该模型的精度比未经MEA优化的BP神经网络模型更高,可以更好地反映SRM运行时的磁链特性和转矩特性,且具有较好的泛化能力。

摘要： 为了面向新一代智能电表对不同家庭负荷感知技术的应用,提出了一种基于BP神经网络分类器增强的非侵入式负荷辨识方法。该方法针对每一个负荷特征都构建一个BP神经网络模型,然后采用Adaboost框架进行BP神经网络分类器增强。考虑到在Adaboost中每次权重分布调节与该分类器相关,且最终影响分类器性能,为此,提出采用思维进化算法对分类器内在参数进行寻优,使得每一个分类器都具有最佳的分类性能,最终通过Adaboost迭代得到一组最优的BP神经网络分类器权重系数,从而构成一个增强的分类器实现非侵入式负荷辨识。在AMPds公用数据集上仿真测试,所提方法相比于传统的Adaboost方法具有更优的辨识准确率,同时通过对比分析测试结果,验证了所提方法的有效性。

摘要： 机械钻速是衡量钻井效率的重要指标,如何高效地预测出机械钻速对提高钻井效率、降低钻井成本具有重要意义。目前机械钻速预测模型多以物理实验和经验公式为主,缺乏对现场实际工程数据的应用,基于此,该文提出了一种基于思维进化算法(MEA)优化BP神经网络的机械钻速预测新模型。该模型以现场实际工程数据为基础,通过小波降噪、标准化处理和灰色关联度分析对数据进行预处理,利用思维进化算法实现BP神经网络的初始权值和阈值的优化,从而实现机械钻速预测。将该模型预测结果与单一BP神经网络、遗传算法(GA)优化后的预测结果对比,结果表明,经过思维进化算法优化后的机械钻速精度更高,拟合优度达到0.936,为机械钻速预测带来一种新思路。

摘要： 摄像机标定在机器视觉技术中具有重要意义.针对传统三维物标定方法操作繁琐,BP神经网络标定受初始权值和阈值影响的问题,提出一种基于光轴会聚模型的思维进化-神经网络标定方法.利用BP神经网络可逼近非线性函数,思维进化算法具有较强全局寻优能力,有效解决了BP神经网络易陷入局部最小以及初始权值、阈值随机化问题.实验证明,与经典张正友标定法、BP神经网络方法相比,改进进化神经网络标定法可获得更好的双目标定精度.

摘要： 为揭示交通流的内在动态特性,利用分析法对交通流分形特性进行研究,表明该城市交通流序列具有长程相关性;为达到更精准的短期交通预测效果,同时提出一种基于思维进化算法(MEC)对神经网络最优初始参数的定向搜索,解决神经网络易陷入局部最优的问题;并用自适应增强算法(adaptive enhancement algorithm,Adaboost)对优化过的神经网络集成,弥补神经网络对新样本集的泛化性能差缺陷,在此基础上通过预测误差平方和倒数准则重新调整Adaboost算法对弱预测器权值分布,使每个预测器最大程度提高网络预测精度.验证结果表明,改进MEC-BP_Adaboost模型与BP模型相比,均方误差和平均绝对误差分别下降78.2％和46.4％,证明本文改进方法对交通流预测具有合理性,对不同的交通流状态具有较好的适应性.

摘要： 对棚内温度进行精确预测是实现棚室精准调控的前提,是实现棚内作物高品质栽培的保障.因棚室具有大惯性、强耦合、非线性等特点,通过机理分析法难以建立其准确的数学模型,人工神经网络方法在棚室温度预测方面应用广泛,但其存在的收敛速度慢、容易陷入局部最小等缺点使测量精度受到影响.为进一步提高基于神经网络算法的棚室温度预测模型精度,运用思维进化算法(Mind Evolutionary Algorithm,MEA)优化LM-BP神经网络模型的输入权重和阈值,并与遗传算法优化LM-BP网络模型和LM-BP模型进行对比.试验结果表明:MEA-LM-BP与LM-BP和GA-LM-BP方法相比,RMSE分别降低了0.32和0.16,平均相对误差降低了1.08％和0.58％.该方法提高了基于神经网络算法的棚室温度预测模型精确度,并提供了新的优化路径.

摘要： 根据感应电机伺服系统高精度、快响应的要求，以及传统的滑模变结构控制器涉及较多的参数和逻辑判断次数等缺点，设计了一种简化的滑模控制律，并用Lyapunov稳定性理论证明了控制系统的稳定性，然后利用思维进化算法优化滑模控制律中涉及的参数，得到摔制器最佳的参数组合。 试验结果表明：该控制策略不仅有效地减小了滑模控制的抖振，且大大提高了系统的快速响应能力，系统具有较好的动、静态性能以及抗干扰能力。控制策略具有设计过程简单、意义清晰等优点，对于高精度、快响应的感应电机伺服系统，它是一种有效的实时控制策略。

摘要： 本文将思维进化算法引人fuzzy控制系统的设计，用这种方法可在没有专家经验的情况下获得fuzzy控制规则，从而解决了fuzzy控制器依赖专家经验获得控制规则的问题，增强了fuzzy控制器的实用性。用该方法为某热工对象设计了fuzzy控制系统，仿真实验结果表明采用该方法可得到有效的fuzzy控制规则，并获得了较好的控制品质。

摘要： 本文首先介绍了思维进化算法(MEC)的基本思想和发展过程.在此基础上介绍了思维进化算法训练网络权值的具体步骤,并通过计算实例予以验证.

摘要： 由于真空玻璃需求受到多重因素的影响,传统的数据模型无法准确找寻订单变化规律,导致预测精度较低.为了提高预测精度,结合灰色神经网络模型,利用思维进化算法优化灰色神经网络,确定灰色神经网络的最优初始参数.分别利用灰色神经网络(GNN)模型和思维进化-灰色神经网络(MEC-GNN)模型,用训练好的网络预测某真空玻璃制造商订单,预测结果表明:改进的MEC-GNN模型明显地提高了预测结果的精度.

摘要： 根据内模控制系统高精度、鲁棒性强的要求，设计了一种基于思维进化算法在线参数辨识的模糊内模控制器，使系统在参数发生变化时，利用思维进化算法线得到对象模型参数的最佳估计值，参数估计值送给模糊内模控制器作补偿，提高了控制精度。将该方法应用于过热器温度对象，构成对大时延变参数对象的智能控制系统，试验结果表明：该方法不仅提高了系统的响应能力，且系统具有较好的动、静态性能以及抗干扰能力。该控制系统具有设计过程简单、意义清晰等优点，对于高精度、鲁棒件强的大时延变参数对象，它是一种有效的在线实时控制系统。

摘要： 本文将对如何利用模拟生物体的克隆选择行为而设计出合适的克隆选择优化算法以改进目前MEA的优化效果进行探讨.

摘要： 进化算法的收敛性分析在理论和算法实现上都有重要意义。本文利用泛函分析中的不动点原理，忽略趋同异化过程详细的内部机理，而将全局公告板的优胜群体看作一个不断向着适应度函数增大的方向进化的定向进化群体，从而证明了MEA算法是一个压缩映射过程，进而简单证明了MEA进化过程能够收敛到唯一不动点，即全局最优。并且这种收敛性在离散状态和实数编码状态下均成立。为MEA的工程应用提供了理论基础。

摘要： 本文采用思维进化克隆算法(Mind EvolutionColon Algorithm以下简称MECA)来设计BP网络，避免了BP算法和GA训练网络时的不足。文中第2节描述了MECA，第3节根据BP网络的特点，与MECA相结合构造了抗体-抗体、抗体-抗原的亲和性函数。最后用XOR问题测试MECA并与BP算法和GA相比较，实验结果显示该算法在设计神经网络时优于BP算法和GA，网络训练的质量和效率都有很大提高。

摘要： 本文采用思维进化克隆算法(Mind EvolutionColon Algorithm以下简称MECA)来设计BP网络，避免了BP算法和GA训练网络时的不足。文中第2节描述了MECA，第3节根据BP网络的特点，与MECA相结合构造了抗体-抗体、抗体-抗原的亲和性函数。最后用XOR问题测试MECA并与BP算法和GA相比较，实验结果显示该算法在设计神经网络时优于BP算法和GA，网络训练的质量和效率都有很大提高。

摘要： 本文采用思维进化克隆算法(Mind EvolutionColon Algorithm以下简称MECA)来设计BP网络，避免了BP算法和GA训练网络时的不足。文中第2节描述了MECA，第3节根据BP网络的特点，与MECA相结合构造了抗体-抗体、抗体-抗原的亲和性函数。最后用XOR问题测试MECA并与BP算法和GA相比较，实验结果显示该算法在设计神经网络时优于BP算法和GA，网络训练的质量和效率都有很大提高。

摘要： 本发明涉及一种遗传算法与差分进化算法串行融合的进化算法，该算法包括如下步骤：S1，随机生成初始种群；S2，利用适应度函数对初始种群中的个体进行适应度的计算；S3，实施进化计算步骤，设置适应度函数值的最小阈值为进化计算的终止条件；S4，对种群中不满足终止条件的全部个体进行遗传操作，产生子代种群1；S5，对子代种群1进行差分进化操作，产生子代种群2；S6，将子代种群2继续返回步骤S2循环操作，直到达到进化计算的终止条件，输出具有最优适应度的个体。通过本发明解决了遗传算法容易过早收敛、差分进化算法计算效率较低的问题点，提高进化算法的优化效率和优化效果。

摘要： 为了解决现有教育培训系统，不能持续对产品和服务的质量进行优化的问题，本发明提供一种可以对教育培训系统的产品或服务进行持续优化，使其不断朝着更加符合客户用户需求的方向改进的基于进化算法思维的教育培训自优化质量控制方法，包括以下步骤，监督与评价反馈步骤；确立适应度函数步骤；激励与淘汰步骤，相互借鉴的交叉步骤，保护因材施教与个性化的变异步骤。本发明的有益效果是，通过监督与反馈步骤，确立适应度函数步骤，激励与淘汰步骤，分享与交流步骤，支持因材施教的多样性和个性化，形成新的优化教育培训系统，系统持续重复上述步骤，实现教育培训系统产品和服务的不断自我优化。

摘要： 本发明涉及一种遗传算法与粒子群算法并行融合的进化算法，该算法包括如下步骤：S1，随机生成初始种群；S2，利用适应度函数对初始种群进行适应度的计算；S3，实施进化计算步骤，设置适应度函数值的最小阈值为进化计算的终止条件；S4，进行遗传操作，产生子代种群1，同时进行粒子群进化操作，产生子代种群2；S5，将子代种群1和子代种群2合并，并按照适应度排序，取适应度高的个体组合为子代种群3；S6，将子代种群3继续返回步骤S2循环操作，直到达到进化计算的终止条件，输出具有最优适应度的个体。通过本发明解决了遗传算法后期效率低下、粒子群算法容易陷入局部最优解的问题，提高进化算法的优化效率和优化效果。

摘要： 本发明公开了一种基于协同进化和协方差的进化算法，具体包括如下步骤：步骤1,初始化种群；步骤2,针对步骤1产生的初始种群，利用扩展的差分分组，根据变量之间的相关性，对变量进行分组，将相关性变量分为一组；步骤3,对扩展的差分分组之后的种群进行协同进化；步骤4,繁殖；步骤5,对进化后的种群利用协方差进行特征分析；步骤6,选择；步骤7,判断是否满足终止条件，若函数评价次数FES

摘要： 本发明公开了一种基于思维进化算法的人流量预测方法，该方法基于神经网络预测模型，综合考虑影响供电营业厅人流量的因素，取预测模型的输入数据为对应时间点、当天天气、是否为工作日，输出为期望时刻的人流量预测值。本发明通过思维进化算法对传统神经网络结构进行优化，通过趋同和异化操作对隐层权值、阈值进行优化，削减隐层权值、阈值随机生成所造成的预测误差，从而构建精度更高的预测模型，提高了供电营业厅的人流量预测水平，为供电营业厅提升自身服务水平的方案制定提供了更加准确的科学依据。

摘要： 本发明公开了一种基于自适应特征选择及改进思维进化算法的质量趋势预测方法，该方法主要包括三个模块：特征自适应处理模块、数据融合模块、质量趋势预测模块。该方法的实现主要包括以下几个步骤：(1)设计相应参数生成建立该模型的数据；(2)应用误差影响程度算法建立特征自适应选择模块；(3)应用KPCA数据融合方法建立数据融合模块；(4)应用改进的思维进化算法优化多层感知器(MLPNN)网络建立质量趋势预测模块。通过建立该方法，本发明能够实施在质量趋势预测领域，能够自适应根据不同类型的数据选择不同的特征进行预测，并且应用数据融合、算法改进提高产品质量趋势预测的精度，及时采取适当的方式进行修正。

摘要： 本发明公开了一种基于思维进化算法优化小波神经网络的光伏功率预测方法。从光伏功率预测系统数据库模块获取光伏历史数据及空气质量数据；对历史数据建立小波神经网络的预测模型，通过引入尺度和平移两个新的参数，提高预测模型的函数逼近能力；并采用思维进化算法对BP神经网络的权值和阈值进行优化，有效的解决了现存预测模型中存在的光伏功率超短期预测精度不足，容易陷入局部极小值问题。同时在权值修正环节采用附加动量项方法进行改进，从而提升收敛速度；将预测好的数据作为输入数据进行滚动预测，从而可以实现跨时间间隔的多步预测。该预测方法与传统光伏预测方法相比，预测精度更高，收敛速度更快。

摘要： 本发明公开了一种基于思维进化算法的人流量预测方法，该方法基于神经网络预测模型，综合考虑影响供电营业厅人流量的因素，取预测模型的输入数据为对应时间点、当天天气、是否为工作日，输出为期望时刻的人流量预测值。本发明通过思维进化算法对传统神经网络结构进行优化，通过趋同和异化操作对隐层权值、阈值进行优化，削减隐层权值、阈值随机生成所造成的预测误差，从而构建精度更高的预测模型，提高了供电营业厅的人流量预测水平，为供电营业厅提升自身服务水平的方案制定提供了更加准确的科学依据。

摘要： 一种基于采用改进思维进化算法的BP人工神经元网络的喷射器性能的预测方法，对于给定的喷射器收集相关参数；思维进化算法初始化参数设置；根据得分函数计算最初种群中得分最高的若干个优胜个体和临时个体，以这些个体为中心产生新的个体，得到优胜子种群和临时子种群；趋同操作并异化操作；将得分较低的子群体中保留得分相对较高的子群体进行交叉变异得到新的个体，再将剩余的子群体淘汰掉并在全局范围内重新进行搜索并形成新的临时群体，产生的评分最高的个体即为所求最佳个体；神经网络结构建立与参数初始化；改进BP‑MEA神经网络的训练；采集给定喷射器的实测数据，输入到改进BP‑MEA神经网络中，得到输出向量即预测值。本发明预测精度较高、耗时较短。

摘要： 本发明公开了一种基于改进思维进化算法的系统能耗建模方法，包括以下步骤，步骤一，采集能耗数据，生成训练集；步骤二，构建人工神经网络；步骤三，以训练集中的元素为输入参数，确定人工神经网络的最优个体、权值和阈值；步骤四，训练人工神经网络；步骤五，对系统能耗节能型仿真预测。本发明提高了算法局部搜索能力和全局搜索能力，使神经网络的泛化性能更高，预测误差更低。