摘要：针对模糊系统的特点,根据输入-输出数据,应用递阶遗传算法设计.现有的模糊系统设计方法大多只能训练系统的模糊集的中心参数、高斯隶属度函数的系数、中心参数和扩展参数,系统的模糊规则得预先用某种方法确定.利用很好设计的递阶遗传算法能够把模糊系统的模糊规则数目和参数同时通过训练确定.利用该方法在非线性经济系统进行仿真,并与BP神经网络的预测结果进行比较,证明该模型的预测精确度是令人满意的,文中提出的方法是可行的.

摘要：对交通出行者分类,并将路段、路口以及各类出行者分别指定为相应的agent,利用multi-agent方法和swarm仿真平台,通过规则设计,构造出较合理的抽象的宏观城市仿真系统.利用该仿真系统进行三组实验:出行规模实验、出行者实验、路网结构实验,对比分析不同微观组成的城市交通系统在仿真实验环境下的演化过程,从系统规模、系统结构两方面,发现并说明了城市交通系统中存在的缘自于微观机理的宏观现象,并指出了其中可能属于涌现范畴的现象.

摘要：针对模糊系统的特点和根据输入-输出数据,应用递阶遗传算法设计模糊系统。现有的模糊系统设计方法大多只能训练模糊系统的模糊集的中心参数、高斯隶属度函数的系数、中心参数和扩展参数,系统的模糊规则得预先用某种方法确定。利用很好设计的递阶遗传算法能够把模糊系统的模糊规则数目和参数同时通过训练确定。通过对混沌时间序列进行预测仿真,结果证明用该方法设计的模糊系统预测的精确度是令人满意的,文中提出的方法是可行的。

摘要：将一类非线性系统进行分段线性处理,根据Hamilton Jacobi Bellman(H J B)不等式将最优控制设计问题转化成一组以反馈增益为寻优参数的、以最优控制性能上界为优化目标的一组双线性矩阵不等式(bilinearma trixinequalities,BMI)问题。BMI问题是NP难问题,对此将遗传算法和内点法结合设计了一种混合算法。数值实例结果表明对控制律的设计及其求解算法的有效性。

摘要：针对BP神经网络的特点提出一种基于递阶遗传算法的四层BP神经网络的结构设计模型及应用。现有的BP训练方法只能训练BP网络的权重和阈值,网络的结构得预先用某种方法确定。利用很好设计的递阶遗传算法能够把网络的结构、权重和阈值同时通过训练确定。以经济系统中的人口时间序列数据进行训练和测试,与传统的BP网络预测模型相比较,结果证明该模型的预测精确度是令人满意的,提出的方法是可行的。

摘要：将分段线性系统的最优控制设计问题转化成以反馈增益为寻优参数,以最优控制性能上界为目标的一组双线性矩阵不等式(BMI)问题.将遗传算法与内点法相结合设计出一种混合算法,对BMI问题进行求解.算例仿真表明该算法是简便而有效的.

摘要：为了进一步降低超大规模集成电路设计的复杂性、增强图形可读性 ,提出了一种求解电路划分问题的混合式遗传算法。与传统遗传算法不同的是 ,该算法采用了顺序交叉和单元交换变异方式 ,同时对交叉概率和变异概率进行了优化设计。与K -L算法及传统遗传算法得出的结果比较 。

摘要：提出一种基于分解协调的两级递阶结构优化算法来求解两层规划问题。通过设计解耦变量,两层规划问题被分解成若干相互独立的易于在结构的第一级求解的子问题。而结构的第二级是调整解耦变量使各子问题的解得以改善。算法以一种迭代的方式使第一级求得的子问题的解不断协调,最终达到两层规划的解。

摘要：提出一种基于递阶遗传算法和BP神经网络的时间序列预测模型。现有的BP训练方法只能训练BP网络的权重,网络的结构得预先用某种方法确定。利用很好设计的递阶遗传算法能够把网络的结构和权重同时通过训练确定。以铁路客运市场数据进行训练和测试,与传统的BP网络预测模型相比较,结果证明该模型的预测精确度是令人满意的,所提出的方法是可行的。

摘要：疏散是应急管理中的重要措施,在应急计划中有必要制定合理的疏散路线以确保疏散车辆尽快到达终点。以往有关最佳疏散交通路线的研究没有考虑交叉口延误和通行能力等因素,若疏散路线经过城市内拥挤路段,忽略交叉口的这些特性会导致结果不尽合理。将交叉口分方向延误和通行能力作为节点权重,建立了点权交通网络,通过在点权网络中求解最小费用流来优化事故地点至安全地点的最佳疏散交通路线及相应的疏散流量,设计了一种最小费用路算法求解该点权网络中的最小费用流。最后以一个数值算例说明了方法的应用,并对考虑和忽略交叉口特性2种情况下得出的路线进行了对比。结果表明该方法能很好地兼顾路网特点和疏散路线优化的要求;若执行忽略交叉口特性的疏散路线方案,极易造成交叉口的拥堵,延长车辆的走行时间。