遗传地理编程(Geneticgeographicprogramming)

研究者运用“遗传地理编程”新技术,模拟微生物与试剂对抗。虚拟微生物有类似真实微生物的能力,能进化繁殖;试剂按人工智能运作,不能进化繁殖。该模拟器可用于模拟计算机病毒攻击等现象,助人们解决复杂问题。
《科技日报》特拉维夫7月14日电 以色列理工学院11日宣称,该校计算机科学系的研究人员成功编制了一套模拟软件,用它不仅可以形象地模拟火灾、恐怖袭击和瘟疫等灾害现象,还可借此寻找防止灾害和减少灾害损失的办法。

  研究者使用了一种称之为“遗传地理编程”(Geneticgeographicprogramming)的新技术,模拟的要素主要包括可以进化的遗传要素和能够在空间传播、运动和进行交互作用的地理要素。

  在一组模拟对抗中,参加者一方是微生物(germs),另一方则是可以清除这种微生物的试剂(agents)。被准备好的虚拟微生物具有与真实微生物相类似的各种能力,也会呈现出孵化期的潜伏状态(在这一期间试剂看不见它们),发育动作的逻辑性(进化),以及繁殖和产生新的变种等,其演化过程与真实的物种突变相仿。

  与微生物对抗的是智能计算机化的模拟试剂,他们将全力以赴地对付这些微生物。这些聪明的试剂,是根据该校过去研究出来的项目架构开发的。然而,与具有进化创造性的微生物不同,这些试剂不能进化,更不能繁殖。它们是按照事先输入其中的人工智能进行运作的。另一方面,这些微生物的视力弱,相互之间不能进行联系,它们只能按照原始的相关逻辑进行活动。

  模拟器可以用于对多种现象的模拟研究。如计算机病毒的攻击、火灾和恐怖分子袭击等。通过对这些现象的分析,能够使人们找到解决复杂问题的方法。

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值