下载

0下载券

加入VIP
  • 专属下载券
  • 上传内容扩展
  • 资料优先审核
  • 免费资料无限下载

上传资料

关闭

关闭

关闭

封号提示

内容

首页 遗传算法在杨木单板改性中的应用

遗传算法在杨木单板改性中的应用.doc

遗传算法在杨木单板改性中的应用

这片天灰的像在哭
2018-12-29 0人阅读 举报 0 0 0 暂无简介

简介:本文档为《遗传算法在杨木单板改性中的应用doc》,可适用于社会民生领域

遗传算法在杨木单板改性中的应用第卷第期年月东北林业大学学报JOURNALOFNORTHEASTFORESTRYUNIVERSITYVoNoAug遗传算法在杨木单板改性中的应用朱毅(生物质材料科学与技术教育部重点实验室(东北林业大学),哈尔滨,)摘要介绍了遗传算法原理,特点和算法过程,回顾了国内外把遗传算法应用到木材科学领域的研究现状在此基础上,提出了遗传算法在该领域研究和生产中的应用前景最后应用遗传算法全局搜索能力对杨木单板强化复合材进行研究,对混合树脂液聚合工艺参数与树脂转化率之间的神经网络模型权值,阈值进行优化,探索最佳的树脂液聚合工艺结果显示优化后网络的训练步长减小,推广性能有所提高关键词遗传算法改性杨木单板分类号sISApplicationsofGeneticAlgorithmtoModificationofPoplarVeneersZhuYi(KeyLaboratoryofBiobasedMaterialScienceandTechnoloofMinistryofEducation,NortheastForestryUniversityHarbinPRChina)~umalfNortheastForestryUniversity一O()一,ThetheorycharacteristicsandalgorithmprocessofGeneticalgorithm(GA)wereintroducedThefutureprospectsofGAwerediscussedaccordingtotheresearchsituationsofGAinthefieldofwoodindustryAndthenitwasemployedtoexplorethemodelofcompositematerialsofstrengthenedpoplarveneersintermsoftheabilityofglobal~flrehTheweightsandthresholdsofneuralnetworkmodelforparametersofpolymerizingprocessofmixedresinliquidsandpercentconversionfresinwereoptimizedinordertofindtheoptimaltechniquesforresinpolymerizationTheresuhshowsthatthegeneralizationabilityftheneuralnetworkmodeloptimizedbyGAisimprovedandthetrainingpaceisreducedKeywordsGeneticalgorithm:Modification:Poplarveneers遗传算法(GeneticAlgorithm,GA)是一种基于自然选择和自然遗传机制的过程搜索最优解算法,它是由美国的Holland教授于年提出的一种模拟生命进化机制的搜索和寻优方法…,也是自然遗传学和计算机科学相互渗透而成的新的计算方法,特别适用于处理传统搜索方法难以解决的复杂的非线形问题GA基于自然界适者生存,优胜劣汰的进化原则,对包含可行解的群体反复使用遗传学的基本操作,不全局并行搜索技断生成新的群体,使种群不断进化同时,以术来搜索优化群体的最优个体,以求得满足要求的最优解求解过程中GA利用种群代表一组可能的解空间,通过对当前种群施加选择,交叉和变异等一系列遗传操作,从而产生新一代的种群,并逐步使种群进化到包含近似最优解的状态同经典的优化算法相比,GA具有全局收敛性,具有较快的收敛速度,而且不要求其目标函数连续,可微由于其思路简单且易于实现,同时具有很强的全局寻优能力,鲁棒性和隐变形等特征,使其在许多领域得到了广泛的应用,特别是在结构设计,问题求解,机器学习,智能控制,模式识别和工程应用等领域取得了很大的成功在木材科学领域的研究和实际生产中,遇到很多寻求最优解的非线性问题如木材干燥种寻求最佳的干燥工艺,木质复合材料性能模型的优化,这些都是具体问题寻求最优解问题本文在介绍遗传算法原理,特点和性能的基础上,回顾了国内外把遗传算法应用到木材工业领域的研究现状,并提出了以后的应用前景最后把遗传算法应用到杨木单板强化复合材优化的一个实例把遗传算法和计算机科学相结合应用到木材工业领域也体现了计算机科学,生命科学与工程科学的相互交叉,相互渗透和相互促进这一显着特征和趋势尔文的进化论和孟德尔的遗传学说模拟自然选择和有性繁殖过程的一种搜索最优解的方法遗传算法模拟生物种群,首先建立一个初始群体,用类似于染色体的编码(二进制,实数)表示给定寻优问题的一个可能解基本思想是模拟由这些串组成的群体的进化过程,以对群体中个体位串的遗传操作实现选择和遗传机制,建立起一个迭代过程在这一过程中,通过随机重组编码位串中的基因,使新一代的群体优于老一代的群体,群体个体不断进化,逐渐接近最优解,最终实现求解问题的目的基本的遗传算法由初始化,选择,交叉和变异四个部分组成,是一种应用比较广泛的随机优化算法与其它传统的优化算法比较,遗传算法的特点:不容易陷人局部最优,因为搜索解空间不是从单一解进行寻优,而是从多个解同时开始,因而可以有效地防止搜索过程收敛于局部最优解,而能求得全局最优解解空间内进行充分的搜索,但并不是盲目的穷举而是一种启发式搜索,其搜索时耗和效率往往优于其它的优化方法GA只需一个适应性函数,即问题本身所具有的目标函数,而且对此目标函数的限制极小,既不要求连续,又不要求可微,也不需要其它先决条件或辅助信息既可以是数学表达式等显函数,又可以是映射矩阵,甚至是神经网络等隐函数,因而GA的应用范围极广使用概率规则而不是确定性规则指导搜索因此,能搜索离散的有噪声的高峰值复杂空间,即适合于大规模,甚至是超大规模的复杂优化问题使用参数的编码集而不是使用参数本身进行工作,也就是说其操作是在给定的字符串上进行的遗传算法也存在一些不足,包括群体大小的选择,交叉和变异概率的确定,进化代数的选取等,均无定量的计算,需根据具体问题具体确定遗传算法’遗传算法在木材科学领域应用现状GA是一种自适应概率性迭代式全局搜索算法,是基于达作者简介:朱毅,男,年月生,生物质材料科学与技术教育部重点实验室(东北林业大学),副教授收稿期:年月责任编辑:潘华把遗传算法应用到木材工业领域,国内外学者作了大量的工作年曹军等把遗传算法和神经网络种优化算法相结合用于家具生产板材下料中实验采用naIn×mm的板材生产套写字桌吊桶,优化结果显示板材的利用率达到,运算时间仅为SJ同年,曹军等运用遗传算法优化板材下料问题多层前馈神经网络的权值研究东北林业大学学报第卷表明该方法提高了板材利用率并缩短了计算时间J陈永光在年把遗传算法与模糊算法相结合用于对木材缺陷特征信息进行分析处理,实现木板材下料的智能控制J孙丽萍等在年研究将遗传算法与已经非常成熟的PID控制技术结合,设计了一个基于遗传算法的木材干燥窑PID控制系统JO年陈永光利用遗传算法的优化搜索原理,运用VB编程实现存在多个缺陷的木板材下料优选方法在国外这方面的研究相对较早Cook和Wolfe在年利用遗传算法解决木材切割模式问题年,Cook等把人工神经网络和遗传算法相结合用于对工艺参数进行优化,证明了对内结合强度影响重要的工艺参数Felipe等在年利用遗传算法仿真优化木材二次加工生产车问的生产线,结果显示用优化后的生产资源配置,生产整体的平均循环时问可降低J年,GreerPainter等利用遗传算法优化预测定向刨花板弹性模量的模型的研究遗传算法在木材科学中的应用前景遗传算法不只是一种单纯的优化算法,而是一种以生物进化机制为基础的智能搜索算法,是解决优化组合问题的有力工具根据遗传算法的特点,它在木材工业有着广泛的应用前景基于自学习的木质材料缺陷智能诊断木质复合材料的研究和生产迅速发展,包括人造板在内的各种木质复合材料的性能与缺陷的自动识别,在产品的质量控制和安全使用中显得尤为重要对于一种产品由于诸如生产工艺如(压力,温度,含水率),原材料特征,使用环境等许多因素的影响,产品缺陷种类和程度也不尽相同这些不同导致缺陷与缺陷特征之间关系的不确定性,往往导致在缺陷检测时准确性降低而应用遗传算法的系统自学习功能,对参数和模型进行优化,可提高检测的有效性和准确性提高材料利用率和生产模型优化设计和其它的生产一样,木材工业企业的生产同样涉及到资源的优化配置与利用,保证产品质量的同时降低成本这就涉及到一个优化算法,从而找到最佳的解决方案例如,木质复合材料性能与原材料配比和加工参数的优化模型,规格材下料过程中的最佳下料方案确定,最佳生产工艺的确定等遗传算法与其它智能技术结合用于木材工业遗传算法与人工神经网络,模糊控制等方法相结合,充分利用各自算法的优点,取长补短,用于木材工业林业,以提高生产效率的同时,达到资源的优化利用特别是GA和神经网络结合构建遗传一神经网络,可充分利用GA迭代自适应概率,并行全局优化搜索的方法,以克服神经网络的收敛速度慢,容易陷入,遗传算法与神经网络结合应用将是一局部最小的缺点因此种极具潜力的研究木材工业领域非线性问题优化方法杨木改性模型优化利用人工神经网络探索不同的工艺参数与强化改性杨木单板复合材性能之间的复杂非线性关系首先使用BP神经网络构建聚合工艺参数与树脂转化率之间的神经网络模型,但是神经网络的学习算法存在训练速度慢,易陷入局部极小值和全局搜索能力弱所以模型建立后利用遗传算法通过遗传操作(多种选择方法,交叉,变异),对网络模型的权值和阈值进行优化,把遗传算法和神经网络相结合研究改性杨木单板复合材料中的非线性问题用GA优化BP网络的权值和阈值,一方面,可以避免靠经验和试验确定这些参数的弊端,能够提高神经网络用于材料性能预测的智能性另一方面,避免BP算法陷入局部最小点,收敛速度慢的问题,克服穷举的形式寻找最优解而引起的搜索时间长,速度慢的缺点研究中考察个工艺参数对树脂浸渍到杨木单板后树脂转化率的影响构建单隐含层,使用BP算法的多输入单输出的前馈神经网络模型,模型的拓扑结构为××I,输入层对应工艺参数,输出层对应树脂的转化率,隐含层节点为然后对网络的权值和阈值采用二进制编码进行赋值,生成染色体初始种群设置初始种群为,进化代数为然后利用遗传算法优化,GA净化过程中平均均方误差和变化情况如图所示把优化的权值和阈值赋给网络模型,然后进行模型的学习与训练优化前后网络权值变化见表对tt~JJ用GA优化权值和阈值前后的网络训练步长由变为,优化后网络的推广性能也有所提高ooo叠代次数GA优化前后网络权值和阈值的对比表图优化平均均方误差和权值和遗传算法优化权值权值和神经网络随机赋值偏差偏差一oOOO一OOO一OOO一一日,,,B,遗传算法是一种基于自然选择和群体遗传学的随机,迭代,进化和并行搜索的算法,它将每个可能的问题解表示为“染色体”,通过对染色体的复制,交换和变异进行寻优计算,其操作是针对多个可行解构成的群体进行,具有本质的并行计算的特点,故其搜索速度快,具有强全局随机搜索能力而神经网络是研究非线性问题的有力工具结合二者的优点建立遗传一神经网络,应用于杨木单板强化复合材浸渍树脂液单体转化率的研究对随即赋予权值的网络与经过优化权值,阈值的网络进行比较分析发现,优化后网络的训练步长减小,推广性能有所提高参考文献HollanJHAdaptationinNattlralandArtifieialSystemsMlll冥恹霹霉辜第期朱毅:遗传算法在杨木单板改性中的应用NewYork:MITPress,曹军,张怡卓,岳琪遗传神经网络在板材优化下料中的应用【J】JournalofForestryResearch,,():【曹军,岳琪,张怡卓,等遗传神经网络在家具板材优化下料问题中的应用J森林工程,,():陈永光遗传算法与模糊控制理论在木板材优化下料系统中的应用D北京:北京林业大学,孙丽萍,曹军,陈松实基于遗传算法的木材干燥窑PID控制系统J东北林业大学学报,,():O一陈永光基于遗传算法的木板材优选排料研究J木材加工机O械,,:CookDFWolfeMLGeneticalgorithmapproachtoalumbercuttingoptimizationproblemJCyberneticsandSystems,,():CookDF,RagsdaleCT,MajorRLCombininganeuralnetworkwithagenaicalgorithmforprocessparameteroptimizationJEngln~,’ingApplicationsofArtificialIntelligence,o():FelipeFB,EduardoAFranciscoJRetaTheuseofsimulationanddesignofexperimentsforproductivityimprovementinthesawmillindustryCPl~)eeedingsoftheWinterSimulationConferenee:GreerPainter,HectorBudman,MarkPritzkerPredictionoforientedstrandboardpropertiesfrommatform~ionandcompressionoperatingconditionsJWoodSciTechnd,o,o:(上接页)表精度检验对照结论对该模型的实验以及最后得到的精度检验对照表,可以得到下面的结论:对TM遥感影像图进行MNF变换,线性混合光谱分解,最后进行分类得到的分类图像精度远远高于对TM遥感影像图直接分类的精度(两者的总体精度最大相差)视觉上可以看出不经过解混处理而得到的分类图中地物间的界线明显,实际上这种情况不能表达客观事实,而经过解混得到的分类图中地物间过度缓和能够表达地物的真实分布,这对于进行定量遥感的研究有很大帮助在对TM遥感灰度图像进行MNF,线性混合光谱分解后再分类的图像分类精度对比发现:考虑约束条件解混得到分类图的精度比不考虑约束条件解混得到分类图精度提高了,在植被稀疏的地区是否考虑约束条件差别不大根据得到的分类图像和最后精度检验对照表,我们认为在对分辨率较小的多光谱遥感影像数据分类时先进行解混再分类不仅精度可以大大提高(精度分别达到和),而且可以很好地表达地物之间的真实分布情况,在多光谱遥感影像分类中起着重要的作用,所以线性混合光谱分离模型不失为一种较好的解混方法参考文献朱述龙基于混合像元的遥感图像分类技术J解放军测绘学院学报,,():陶秋香非线性混合光谱模型及植被高光谱遥感分类若干问题研究D青岛:山东科技大学,陈述彭,童庆喜,郭华东遥感信息机理研究M北京:科学出版社,:陶秋香,陶华学,张连蓬线形混合光谱模型在植被高光谱遥感分类中的应用研究J勘察科学技术,():李郁竹农作物气象卫星遥感监测和估产研究进展和前景探讨J气象科技,():王强Hyperion高光谱数据进行混合像元分解研究D哈尔滨,东北林业大学,

用户评价(0)

关闭

新课改视野下建构高中语文教学实验成果报告(32KB)

抱歉,积分不足下载失败,请稍后再试!

提示

试读已结束,如需要继续阅读或者下载,敬请购买!

评分:

/12

VIP

在线
客服

免费
邮箱

爱问共享资料服务号

扫描关注领取更多福利