论文研究-基于遗传算法的改进的GM(1,1)模型IGM(1,1)直接建模.pdf,  CM（1,1）模型一般以模型还原值与实际值平均相对误差检验模型的模拟精度。本文以模型还原值与实际值平均相对误差最小化为目标函数将CM（1,1）模型转化成一个不用进行灰微分方程参数辨识的优化模型，称之为改进的GM（1,1）模型，简称IGM（1,1）。IGM（1,1）避开了灰微分方程参数辨识时传统的优化无法求解，本文针对IGM（1,1）模型的直接建模。由于IGM（1,1）目标函数非连续，不可导，用传统的优化无法求解，本文针对IGM（1,1）模型的模拟特性设计了求解该优化模型的遗传算法并进行了算例验证，秋解结果表明了IGM（1,1）模型IGM（1,1）模型。

基于遗传算法设计LQR控制器。本案例以汽车主动悬架作为被控制对象，将遗传算法应用于LQR控制器的设计中，提高LQR的设计效率和性能。

提供了一个tsp类的文件，提供了一个启动的main函数，还有一个绘图的DW类，核心的参数有交叉概率，变异概率，种群数目和迭代次数，读者可以根据自己情况进行修改，并且本代码在遗传算法中内嵌了EO极值优化算法，可以得到更加准确的值。读者可以自行修改其中的代码逻辑

笔者探讨了某地区110警车的配置数量及安排位置问题.首先将该区域视为一个无向连通图，建立了以配置数量为目标、根据节点有无警车引入0--1变量的目标优化函数。并且综合考虑了重点监控区域、可见节点警车配置、监控路段长度比例等约束条件.在求解时，采用了遗传算法并结合问题的实际对其做出了相应的改进.

针对遗传算法与神经网络结合方式中存在的早熟收敛、泛化能力弱等问题, 提出一种交替使用遗传算法和Levenberg-Marquardt 算法优化神经网络的混合学习算法( GALM算法) .该算法先通过遗传算法粗调得到一组全局最优近似解, 再以该近似解为初值, 交替使用遗传算法和LM算法优化神经网络训练, 直至发现满意的网络参数. 实验结果表明, 新算法提高了网络的学习能力和收敛速度.

计算智能课程作业，要求写一篇计算智能相关技术的小论文。本论文对TSP问题，采用遗传算法进行求解。

建立了滚动轴承外圈与滚动体各有一点损伤的典型故障模型，在损伤模型振动分析的基础上，利用遗传算法的寻优功能，对故障的特征参数进行自动优化，最后利用逐次诊断理论，对变工况条件下的滚动轴承复合故障进行诊断。计算结果表明该方法对于滚动轴承的复合故障诊断非常有效。

基于遗传算法的km-匿名模型实现

基于遗传算法的BP神经网络齿轮箱故障诊断实例 资源包含以下内容，下载即可运行 1) Sheffield的遗传算法工具箱； 2) Bpfun.m 表示BP神经网络函数 3) 遗传算法主函数.m 4) callbackfun.m 回代网格函数：将该初始权值和阈值回代入网络画出训练误差曲线、预测值、预测误差、训练误差等。 5) data.mat 齿轮箱故障数据 6) Objfun.m 求解种群中各个个体的目标值函数 注意事项，一定要将Sheffield遗传算法工具箱加载到运行路径中！ 运行过程时间有点长，请耐心等待！

JAVA基于遗传算法的中药药对挖掘系统的设计与实现(源代码+文档).zip