提出了一种基于遗传算法(GA)和模糊C均值(FCM)算法的岩体结构面混合聚类方法.利用GA的全局搜索性能,求得初始聚类中心;在此基础上利用FCM算法,根据精度要求再作进一步求解.该方法避免了人为划定分类界限的主观性,消除了FCM聚类算法的局部最优的弱点,解决了采用普通遗传算法聚类时搜索速度和聚类精度的矛盾.结合实测数据,对应用该方法进行结构面组识别的步骤、参数选取、分组有效性、优势方位的判定进行了分析和讨论

将遗传算法与BP神经网络结合,提出了一种利用遗传算法优化BP神经网络权值的智能PID控制算法,改善了系统的动态性能.通过实验采集数据,拟合出无模拉拔感应加热温度控制系统的数学模型.采用本文提出的方法进行了仿真实验,结果表明该算法具有较强的快速性和鲁棒性

本章对目前常用的几种智能优化计算算法作简单介绍，以使读者对它们有个基本认识。内容包括神经网络、遗传算法、模拟退火算法和神经网络混合优化学习策略。 10.1 人工神经网络与神经网络优化算法 10.2 遗传算法 10.3 模拟退火算法 simulated annealing,简称SA 10.4 神经网络权值的混合优化学习策略

（1)依赖于初始条件。 （2)与求解空间有紧密关系,促使较快地收敛到局部解,但同时对解域有约束,如可微或连续。利用这些约束,收敛快。 （3)有些方法,如 Davison-Fletcher-Powell--直接依赖于至少一阶导数;共轭梯度法隐含地依赖于梯度

一、进化计算包括: 遗传算法(genetic algorithms,gA) 进化策略( evolution strategies 'CSU 进化编程(evolutionary rogramming) 必遗传编程(genetic programming) 人类不满足于模仿生物进化行为,希望能够建立具有自然生命特征的人造生命和人造生命系统

7.1.1智能控制理论体系 模糊智能控制(Fuzzy Control)神经网络控制(Neurocontrol)模糊神经网络与神经模糊控制 遗传算法与进化控制(Genetic Algorithm/ Control)软计算(Soft Computation)

1. 智能控制概论 2. 模糊控制 3.神经元网络控制 4.模糊-神经网络控制 5.遗传算法 6.递阶智能控制理论

比较：传统的优化方法 （1）依赖于初始条件。 （2）与求解空间有紧密关系，促使较快地收敛到局部

艾滋病是当前人类社会最严重的瘟疫之一，虽然有一些针对艾滋病的疗法，但迄今为止还没有关于这些疗法疗效的评价和预测方法，因此合理评价艾滋病疗法及预测其疗效有着重要的意义。本文对治疗时用药量的选择进行了讨论，提出了药物量的最优选择模型，基于该模型的特点，建议用大系统总体优化方法和模拟退火混合遗传算法求解该模型

人工智能基础：基于遗传算法的大规模矩形件优化排样