基于实码遗传算法的湖泊水质模型参数优化

参数的合理取值决定着模型的模拟效果,因此确定研究区域的模型结构后,需要对模型的参数进行优化.湖泊水质模型(Simulation by means of an Analytical Lake Model,SALMO)利用常微分方程描述湖泊的营养物质循环和食物链动态,考虑了多个生态过程,包含104个参数.由于参数较多,不适宜采用传统参数优化方法进行优化.利用太湖梅梁湾2005年数据,采用实码遗传算法优化了SALMO模型中相对敏感的参数,运用优化后的模型,模拟了梅梁湾2006年的水质.对比分析参数优化前后模型的效果表明遗传算法能高效地对SALMO进行参数优化,优化后的模拟精度得到了显著提高,能更好地模拟梅梁湾的水质变化.     

基于遗传算法的基因芯片图像网格定位

对基因芯片荧光图像进行网格定位是进行芯片分析的前提与关键。利用为形模板匹配方法,基因芯片的自动网格定位问题转化为优化问题,从而用遗传算法求解。遗传算法是一种模拟自然界进化过程的启发式优化计算法,具高效及可收敛到全局最优的特点。实验证明该方法具有良好的准确性与可靠性。     

基于遗传算法特征选择的HBV再激活分类预测模型

探讨原发性肝癌患者精确放疗后乙型肝炎病毒(hepatitis b virus,HBV)再激活的危险特征和分类预测模型。提出基于遗传算法的特征选择方法,从原发性肝癌数据的初始特征集中选择HBV再激活的最优特征子集。建立贝叶斯和支持向量机的HBV再激活分类预测模型,并预测最优特征子集和初始特征集的分类性能。实验结果表明,基于遗传算法的特征选择提高了HBV再激活分类性能,最优特征子集的分类性能明显优于初始特征子集的分类性能。影响HBV再激活的最优特征子集包括:HBV DNA水平,肿瘤分期TNM,Child-Pugh,外放边界和全肝最大剂量。贝叶斯的分类准确性最高可达82.89%,支持向量机的分类准确性最高可达83.34%。     

基于RAGA的PPC模型在城市公园绿地景观生态美学评价中的应用

基于公众对生态环境的日益重视,以生态美学思想为指导,提出城市公园绿地景观生态美学评价的指标体系;同时利用基于RAGA的PPC模型,将高维数据转换到低维子空间,通过寻求最优投影方向及投影函数值来实现对城市公园绿地景观的生态美学评价。选取大庆市10个具有代表性的公园绿地为研究对象,运用该评价指标体系及模型进行景观生态美学评价。结果表明:总体景观空间多样性、植被色彩多样性、建筑与小品分布合理性、树种多样性、水体可亲近性、植被长势自然性、地形自然度、建筑与小品体量适宜度指标对大庆市公园绿地景观生态美学效果的影响较大,是今后大庆市公园绿地景观生态建设、改造与管理上应作为重点考虑的因素;在10个公园绿地中,油田乐园、城市森林公园最具生态美,而乘风广场、世纪大道(高新技术开发区段)附属带状绿地的生态美较差。应用该模型可以避免传统方法存在的一些不足,也为处理景观评价中具有模糊性、不确定性的高维数据的综合评判、排序、寻优等方面研究提供了新的思路与方法。     

基于遗传算法的土地利用优化：NSGA-Ⅱ和NSGA-Ⅲ的对比研究

土地利用优化通常要兼顾不同群体的多种要求,理论上是复杂的超多目标(4个及以上)优化问题。但实际操作中却往往被简化为多目标(2—3个)优化问题,通过一种流行的多目标优化算法第Ⅱ代非支配排序遗传算法(NSGA-Ⅱ)求解。究其原因是对超多目标优化算法认知的缺失和与多目标优化算法理论对比的匮乏。对NSGA系列中应用最广泛的多目标优化算法NSGA-Ⅱ和最新提出、面向超多目标优化的算法NSGA-Ⅲ进行探究,从理论和实验两方面对Ⅲ和Ⅱ进行对比,从而探究二者进行土地利用优化时的优劣。在理论上,对比两种算法原理的异同。在实验中,分别设计多目标(3个目标)和超多目标(13个目标)土地利用优化问题,利用两种算法进行求解。对实验结果采用四层架构、六大指标进行全面评价,以对比两种算法的可用性。理论对比发现,两个算法只有种群多样性保护的方法不同,其中NSGA-Ⅲ是基于与固定的参考点的距离,而NSGA-Ⅱ则是基于相邻解间的距离。通过实验对比发现,NSGA-Ⅲ在超多目标优化时运算速度快,且产生的最优方案实用价值更高,NSGA-Ⅱ在算法的有效性方面更有优势。     

人工神经网络与遗传算法相结合在作物估产中的应用——以吉林省米估产为例

在遗传算法（Genetic Algorithm）与误差反传（Back Propagation）网络结构模型相结合的基础上,设计了用遗传算法训练神经网络权重的新方法,并对吉林省梨树和德惠县的玉米进行了估产研究,同时与BP算法和灰色系统理论模型进行了比较。经经验,计算值与实际值拉近,并优于灰色理论模型,具有良好的预测效果,从而为农作物估产提供了新方法。     

基于遗传算法的谷氨酸发酵动力学参数估计

把遗传算法应用于求解谷氨酸分批发酵动力学模型参数,取交叉概率Pc=0．8、变异概率Pm=0．06、初始种群为20、遗传世代数为200代,能进一步提高谷氨酸分批发酵过程状态变量的计算值与实验值的吻合程度。模拟值与实验值对比显示,该动力学模型能很好地反映谷氨酸分批发酵过程。     

基于遗传算法和支持向量机的乳杆菌发酵过程建模

由于生化反应过程的复杂性和高度非线性,多数简单的数学模型不能准确描述。该文基于Matlab软件,利用改进的支持向量机(υ-SVR)对植物乳酸杆菌发酵这一典型生化过程进行研究,应用遗传算法估计模型最优参数,建立植物乳杆菌的菌体密度预测模型。同时建立传统的logistic动力学模型以进行比较。结果表明,采用结合遗传算法的υ-SVR预测模型拟合误差小,皮尔森相关系数(R)更高,可以较好地预测乳酸杆菌的发酵过程,为其优化控制及放大提供依据。     

使用伪氨基酸组成和模糊支持向量机预测蛋白质结构类

蛋白质结构类预测是生物信息和蛋白质科学中重要的研究领域.基于Chou提出的伪氨基酸离散模型框架,从蛋白质序列出发,设计一种新的伪氨基酸组成方法表示蛋白质序列样本.抽取氨基酸组合(10-D)在序列中出现的频率和疏水氨基酸模式(6-D)表示蛋白质序列的附加特征,用和传统的氨基酸组成(20-D)一起构成的36维的伪氨基酸组成向量来表示蛋白质序列的特征.使用遗传算法来优化附加特征的权重系数.伪氨基酸组成向量作为输入数据,模糊支持向量机作为预测工具.使用三个常用的标准数据集来验证算法的性能.Jack-knife检验结果说明本方法具有较高的准确率,有望成为潜在的预测蛋白质功能的工具.