摘要：为了将满意优化拓展到多变量系统中以解决多变量控制系统线性二次型(LQ)控制器设计中加权系数阵确定难的问题,提出多变量系统满意优化设计方法,通过设计满意度函数,构造出多变量系统的满意优化数学模型,并用改进遗传算法实现二级倒立摆系统LQ控制器满意优化设计.仿真结果显示,系统具有更满意的综合性能指标.证实了该方法的有效性和实用性.本文的研究对多变量系统优化设计具有一定的参考价值.

摘要：随着科技的进步,化工企业生产设备逐渐实现了现代化,环境保护及安全生产成为企业首先要考虑的问题。同时,化工企业里许多生产装备和生产原料具有爆炸性和易燃性,生产过程中也会涉及许多危险气体等。这些隐患严重威胁着化工企业的安全生产,本文结合本文实际工作经验,首先简要分析了爆炸危险的定义及其形成条件,其次重点分析了化工企业爆炸多发场所电气设备的选型,最后介绍了爆炸危险区域划分的具体方法。

摘要：采用改进遗传量子算法(IGQA)进行FIR数字滤波器的优化设计,将滤波器的过渡带样本值作为变量进行优化,解决了传统方法(查表法)不能保证数据最优的问题。针对遗传量子算法(GQA)在优化连续多峰函数时易出现早熟的问题,提出一种改进遗传量子算法(IGQA),典型函数测试表明,IGQA的性能优于GQA和其它几种遗传算法,收敛速度快,全局寻优能力强,能有效地克服早熟现象。采用IGQA优化设计的FIR数字低通和带通滤波器的性能较查表法得到了很大改善。

摘要：针对遗传量子算法 (GQA)在优化连续多峰函数时易出现早熟现象 ,本文提出一种改进的遗传量子算法 (IGQA) ,其核心是在对量子门更新过程进行改进的基础上 ,引入群体灾变和自适应搜索网格的策略。通过典型函数测试和FIR数字滤波器设计实例表明 ,IGQA的性能优于GQA和其它几种遗传算法 ,具有比GQA更快的收敛速度和更好的全局寻优能力 ,能有效地克服早熟现象。

摘要：本文在论述了快速遗传算法和神经网络的基本思想以及将两者结合来解决非线性问题的方法后,详细探讨了其程序设计和基于C语言程序实现中的一些问题;文中还讨论了遗传神经网络的程序设计中的一些关键技术;最后,将本文与文献[3]作了对比并得出结论。

摘要：根据雷达信号脉冲序列的特点,从雷达脉冲信号中提取频率特征和形状特征,构成二维特征向量,并用支持向量机设计多类别分类器,实现雷达信号PRI调制信号的自动识别,实验结果表明,对特征向量进行大幅度降维(从64维降到2维)后,既简化了分类器,又保持或提高了识别率和抗噪声性能．与原特征向量相比,对无噪样本的误识率从0．15％-0．25％降低到0．00％,对有噪样本的误识率从0．40％-1．30％降低到0．15％- 0．93％．

摘要：提出一种处理区间属性值离散化问题的新方法,其特点是在离散化过程中强调类别可分离性.首先拓展已有的基于断点划分的离散化定义,给出基于类别可分离性的广义离散化定义;然后描述了广义离散化算法并进行时间复杂性分析;最后利用辐射源信号进行了仿真实验.结果表明,该方法能有效离散区间属性决策系统,简化分类器的设计和提高识别率,从而拓展了粗集理论的应用范围.

摘要：实际应用中的特征选择是一个满意优化问题.针对已有特征选择方法较少考虑特征获取代价和特征集维数的自动确定问题,提出一种满意特征选择方法(SFSM),将样本分类性能、特征集维数和特征提取复杂性等多种因素综合考虑.给出特征满意度和特征集满意度定义,设计出满意度函数,导出满意特征集评价准则,详细描述了特征选择算法.雷达辐射源信号特征选择与识别的实验结果显示,SFSM在计算效率和选出特征的质量方面明显优于顺序前进法、新特征选择法和多目标遗传算法.证实了SFSM的有效性和实用性.

摘要：将粗集理论(RST)引入到雷达辐射源信号(RES)识别中,提出一种区间连续属性离散化新方法及相应的特征选择算法,将RST与神经网络(NN)结合,设计粗集神经网络(RNN)分类器.实验结果表明,该方法解决了已有方法难以处理的区间连续属性离散化问题,获得的正确识别率比其他3种方法分别高出7.29%、4.34%和4.00%.RNN的平均训练代数比NN少97.54,RNN的平均识别率比NN高2.84%,这表明RNN具有比NN更好的分类能力和泛化能力,从而证实了该方法的有效性和可行性.

摘要：为了解决量子遗传算法(QGA)用于连续多峰函数优化易陷入局部极值的问题,提出了一种改进的量子遗传算法(IQGA).这种改进的量子遗传算法采用了已搜索到的最佳个体更新量子门和群体灾变策略.典型函数的测试结果表明,IQGA比QGA的收敛速度更快,且能有效地克服QGA易"早熟收敛"的不足.应用结果表明,IQGA的性能优于QGA和其它遗传算法.