本文選題：多目標(biāo)約束 + 遺傳算法��； 參考：《測繪科學(xué)》2017年04期

【摘要】：針對傳統(tǒng)多點(diǎn)灰色預(yù)測模型MGM(1,n)白化背景值構(gòu)造方法不合理性導(dǎo)致模型往往不符合變形體實(shí)際情況的問題,該文提出了一種基于遺傳算法的加權(quán)MGM(1,n)模型。引入白化背景值最佳生成權(quán)值矩陣替換傳統(tǒng)模型背景值構(gòu)造公式中的緊鄰均值生成權(quán)陣,較好地顧及變形區(qū)域內(nèi)多監(jiān)測點(diǎn)變形趨勢的突變性與不規(guī)則性,彌補(bǔ)了線性系統(tǒng)MGM(1,n)模型在非線性動(dòng)力學(xué)系統(tǒng)變形預(yù)測分析應(yīng)用中的不足;建立多目標(biāo)優(yōu)化實(shí)數(shù)編碼遺傳算法,實(shí)現(xiàn)背景值最優(yōu)構(gòu)造權(quán)陣的迭代搜索�；诜抡婧凸こ虒�(shí)例數(shù)據(jù)的建模結(jié)果表明:改進(jìn)模型較傳統(tǒng)MGM(1,n)模型預(yù)測精度提高,抗噪聲干擾能力增強(qiáng)。
[Abstract]:Aiming at the problem that the traditional multi-point grey prediction model MGM1 / 1) whitening the background value is not reasonable, the model often does not accord with the actual situation of deformable body, this paper presents a weighted MGM1n) model based on genetic algorithm. By introducing the whitening background value optimal generating weight matrix to replace the adjacent mean generating weight matrix in the traditional model background value construction formula, the mutation and irregularity of the deformation trend of multiple monitoring points in the deformation region are well taken into account. It makes up for the deficiency of the linear system MGM1) model in the application of nonlinear dynamic system deformation prediction and establishes a multi-objective optimization real-coded genetic algorithm to realize the iterative search of the background value optimal construction weight matrix. The modeling results based on simulation and engineering example data show that the improved model has higher prediction accuracy and stronger anti-noise ability than the traditional MGM-1) model.
【作者單位】： 西南交通大學(xué)地球科學(xué)與環(huán)境工程學(xué)院;西南交通大學(xué)高速鐵路運(yùn)營安全空間信息技術(shù)國家地方聯(lián)合工程實(shí)驗(yàn)室;成都鐵路局成都高鐵工務(wù)段;
【基金】：長江學(xué)者和創(chuàng)新團(tuán)隊(duì)發(fā)展計(jì)劃基金項(xiàng)目(IRT13092) 高速鐵路運(yùn)營安全空間信息技術(shù)國家地方聯(lián)合工程實(shí)驗(yàn)室資助項(xiàng)目
【分類號】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳良軍;鄭金華;;基于自適應(yīng)ε支配的快速多目標(biāo)遺傳算法[J];計(jì)算機(jī)工程與應(yīng)用;2006年15期

2 鄺達(dá);鄭金華;;一種具有可控性能的多目標(biāo)遺傳算法[J];計(jì)算機(jī)工程與應(yīng)用;2006年27期

3 朱華炳;程翔宇;唐自玉;闞震;王純賢;;多目標(biāo)遺傳算法適應(yīng)度函數(shù)權(quán)重設(shè)置的改進(jìn)[J];組合機(jī)床與自動(dòng)化加工技術(shù);2007年04期

4 董朝陽;孫樹棟;張波;;基于并行多目標(biāo)遺傳算法的制造伙伴優(yōu)化研究[J];機(jī)械科學(xué)與技術(shù);2007年05期

5 白治江;劉廣鐘;;遞歸式多目標(biāo)遺傳算法[J];上海海事大學(xué)學(xué)報(bào);2007年02期

6 李珂;鄭金華;周聰;;基于動(dòng)態(tài)ε支配的多目標(biāo)遺傳算法[J];計(jì)算機(jī)工程與應(yīng)用;2009年01期

7 李勇;劉建昌;王昱;;基于對位學(xué)習(xí)的多目標(biāo)遺傳算法[J];系統(tǒng)仿真學(xué)報(bào);2009年24期

8 楊春霞;王諾;;基于多目標(biāo)遺傳算法的集裝箱碼頭泊位—岸橋分配問題研究[J];計(jì)算機(jī)應(yīng)用研究;2010年05期

9 張雷;孟朝霞;;一種基于選擇的多目標(biāo)遺傳算法[J];微型機(jī)與應(yīng)用;2010年11期

10 于沖;呂劍虹;吳科;趙亮;;雙層多目標(biāo)遺傳算法及應(yīng)用[J];中國電機(jī)工程學(xué)報(bào);2010年S1期

相關(guān)會議論文 前5條

1 劉澤雙;高瑩;;基于多目標(biāo)遺傳算法的個(gè)人成才因素評定研究[A];第十一屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2009年

2 周磊;宋士吉;;基于改進(jìn)多目標(biāo)遺傳算法的供應(yīng)商選擇問題研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

3 尹向敏;李元左;;基于多目標(biāo)遺傳算法的炮兵火力計(jì)劃方案優(yōu)化模型[A];第九屆中國青年信息與管理學(xué)者大會論文集[C];2007年

4 谷峰;陳華平;盧冰原;;自適應(yīng)多目標(biāo)遺傳算法在柔性工作車間調(diào)度中的應(yīng)用[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

5 張永;吳曉蓓;徐志良;黃成;;基于多目標(biāo)遺傳算法的高維模糊分類系統(tǒng)的設(shè)計(jì)[A];第二十七屆中國控制會議論文集[C];2008年

相關(guān)碩士學(xué)位論文 前10條

1 王婧婷;多目標(biāo)遺傳算法在頻率選擇表面優(yōu)化設(shè)計(jì)中的應(yīng)用[D];電子科技大學(xué);2014年

2 劉偉;基于多目標(biāo)遺傳算法的產(chǎn)品族規(guī)劃方法研究[D];浙江大學(xué);2016年

3 陳良軍;基于自適應(yīng)ε支配多目標(biāo)遺傳算法的研究[D];湘潭大學(xué);2006年

4 李娜;顯隱性二倍體編碼在多目標(biāo)遺傳算法中的應(yīng)用研究[D];內(nèi)蒙古大學(xué);2006年

5 肖艷;基于改進(jìn)的莊家法則和聚類方法的多目標(biāo)遺傳算法的研究與應(yīng)用[D];安徽理工大學(xué);2011年

6 王剛;高維優(yōu)化問題的多目標(biāo)遺傳算法研究及其應(yīng)用[D];武漢理工大學(xué);2012年

7 劉金華;多目標(biāo)遺傳算法在企業(yè)能源規(guī)劃中的應(yīng)用研究[D];廣東工業(yè)大學(xué);2013年

8 李博;交互式多目標(biāo)遺傳算法在調(diào)度知識庫中的研究[D];大連交通大學(xué);2010年

9 于敏;基于多目標(biāo)遺傳算法的集裝箱泊位—岸橋分配優(yōu)化研究[D];大連海事大學(xué);2010年

10 陳靜;改進(jìn)的非支配排序多目標(biāo)遺傳算法及應(yīng)用[D];湘潭大學(xué);2009年

，

本文編號：1815416