西安交通大学：智能控制概论-智能控制理论与方法_遗传算法（GA）

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

《随机模拟方法与应用 Stochastic Simulation Methods and Its Applications》教学资源（论文资料）10 基于GA-MCMC的粒子滤波图像恢复算法（北京理工大学：田卉、沈庭芝、李挺、郝兵）

上海交通大学：《随机模拟方法与应用 Stochastic Simulation Methods and Its Applications》课程教学资源（学生作业）基于GA-MCMC的粒子滤波图像恢复算法——胡卓然、吴迪舟、焦一航

6.1 遗传算法的基本原理 6.1.1 遗传算法的基本遗传学基础 6.1.2 遗传算法的原理和特点 6.1.3 遗传算法的基本操作 6.2 遗传算法的模式理论 6.3 遗传算法应用中的一些基本问题 6.4 高级遗传算法 6.4.1 改进的复制方法 6.4.2 高级GA算法 6.5 微种群和双种群遗传算法 6.6 基于遗传算法的系统在线辨识 6.7 基于遗传算法的模糊控制 6.8 免疫遗传算法 6.8.1 免疫遗传算法的基本概念 6.8.2 免疫算子的机理与构造 6.8.3 TSP问题的免疫遗传算法

对鞍钢冷轧厂四机架冷连轧机轧制压力模型进行了认真分析,指出了其存在的缺陷.把遗传算法(GeneticAlgorithms,简称GA)和神经网络有机结合,设计出了具有遗传算法性能参数优选、网络结构参数优选、网络性能参数优选以及GA-BP算法联合进行网络权值修改几种功能的遗传神经网络,建立了基于遗传神经网络的新冲连轧机轧制压力模型.通过原模型计算值、新模型计算值与实测值之间的对比分析可知,遗传神经网络模型计算精度优于传统轧制力模型

遗传算法 Genetic Algorithms, GA 粒子群优化算法 Particle Swarm Optimization, PSO 贝叶斯优化算法 Bayesian Optimization 算法应用示例 Application Demos 自动化机器学习 Automated machine learning

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

将支持向量机(SVM)和遗传算法(GA)集成应用到矿体品位插值问题中,利用遗传算法全局搜索的优势对支持向量机的三个关键参数——惩罚系数C、不敏感系数ε和核函数参数σ进行寻优,克服单纯支持向量机法中依靠经验确定参数的局限性.将优化参数代入到支持向量机中进行迭代训练,得到基于遗传算法参数优化的支持向量机(GA-SVM)矿体品位插值模型.以国内典型矿山的实际勘探数据为例,通过该品位插值模型计算结果与传统插值方法计算结果和矿山生产实际数据的对比分析,验证了其可行性和有效性

针对传统基于BP神经网络建立的连铸坯质量预测模型训练速度慢、适应能力弱、预测精度低等问题,本文提出一种基于极限学习机的连铸坯质量预测方法,对方大特钢60Si2Mn连铸坯中心疏松和中心偏析缺陷进行预测,并与BP和遗传算法优化BP神经网络预测模型的预测结果进行分析对比.结果表明:BP及GA-BP神经网络预测模型对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为50%、57.5%、70%和72.5%;而基于极限学习机的连铸坯预测模型预测准确率更高,对连铸坯中心疏松和中心偏析缺陷的预测准确率分别为85%和82.5%,且该模型具有极快的运算时间,仅需0.1 s.该模型可对连铸坯质量进行迅速准确地分析,为连铸坯质量预测的在线应用提供了一种新的方法