遗传算法回归

㈠ 遗传算法可以解决哪些问题

遗传算法主要是用来求解最优化问题的。
一般来讲可以求解函数的最大内、最小值容问题，还可以结合其它一些方法解决（非）线性回归、分类问题等等。

但遗传算法有两个缺点，一是时间长，二是初值的选择会影响收敛的效果。

它的本质，实际上还是随机搜索算法，还是属于所谓的蒙特卡罗式的方法。

㈡ 关联规则，聚类分析，决策树算法，遗传算法各自的适应场合

各种统计方法，比如假设检验，方差分析，回归分析，逻辑回归，聚类分析，因子分析等等，还有关联规则，决策树，支持向量机，神经网络，朴素贝叶斯等等好多呢。

㈢ 关于遗传算法与多元线性回归

不是吧，来数值优化是遗传算法的自基本用途啊。

遗传算法与神经网络的结合不就是非线性多元回归吗？

神经网络本身就是用非线性方程去逼近要解决的问题，神经元的权系数就是需要进行逼近的参数。

训练用的样本不就是回归用的样本点吗？

㈣ 量子遗传算法的国内外研究现状

1、模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的；
2、中国知网、万方等国内学术期刊已经提供了大量的文献下载。如果你在学校的话，就可以免费下载这些文献，然后去总结遗传算法的发展现状，不在学校里，那么可以去豆丁网、网络、道客巴巴。

㈤ 有想用遗传算法最小二乘支持向量机建模进行回归预测，但是初学者，请问你有好的资料吗，代码呢谢啦！！

看来你已经可以自己写代码了

㈥ 遗传算法多参数优化每次运行结果都不一样，而且差别挺大

遗传算法对径向基函数参数的初始化是随机的，然后不断迭代优化，基本上每次运行后，得到的参数是不同的，这样能保证遗传算法优化的多样性，避免陷入定制

㈦ ga遗传算法 回归算法pls 二者怎么链接的

不是吧，数值优化是遗传算法的基本用途啊。

遗传算法与神经网络的结合不就是非线性多元回归吗？

神经网络本身就是用非线性方程去逼近要解决的问题，神经元的权系数就是需要进行逼近的参数。

训练用的样本不就是回归用的样本点吗？

㈧ 求一个遗传算法解多元线性回归的MATLAB程序

遗传算法一般是求解非线性回归，多元线性回归可采用回归分析工具箱

㈨ 求助，急急！！！需要懂得遗传算法在matlab中的实现，在matlab中用遗传算法优化支持向量回归机（SVR）

用交叉验证误差作为适应度函数，然后用构造遗传算法就行了的

㈩ 用遗传算法预估数学模型中的三个未知参数，涉及系统辨识，请告知涉及系统辨识的遗传算法的matlab程序模板

作为发酵工业中游技术核心的发酵过程控制和优化技术，既关系到能否发挥菌种的最大生产能力，又会影响到下游处理的难易程度，在整个发酵过程中是一项承上启下的关键技术。本书作者多年来一直从事发酵过程的在线检测、解析、控制和优化等方面的研究，在借鉴国外的有关最新研究成果和作者自身完成的研究实例的基础上，博采众家之长，写成此书。
全书结合具体的发酵过程实例，分别对发酵过程的解析、控制和优化，特别是在线检测、在线状态预测和模式识别，以及在线控制和最优化控制的技术及方法进行了比较系统详细的介绍，并引入了模糊逻辑推理、人工神经网络模型、代谢网络模型等新型的控制、优化、状态预测以及模式识别等方法和技术。
本书适合于从事发酵工程、生物工程、生物化工、化学工程等相关专业领域研究的科研人员、教师和工程师使用，也可供大专院校相关专业的高年级本科生和研究生参考。目录
第一章绪论1
第一节生物过程的特点以及生物过程的操作、控制、优化的基本特征1
第二节生物过程控制和优化的目的及研究内容2
第三节发酵过程控制概论4
第四节发酵过程的状态变量、操作变量和可测量变量6
第五节用于发酵过程控制和优化的各类数学模型7
第六节发酵过程最优化控制方法概论8
一、基于非构造式动力学模型的最优化控制方法8
二、基于可实时测定的过程输入输出时间序列数据和黑箱模型的
最优化控制方法9
参考文献10

第二章生物过程参数在线检测技术11
第一节ph的在线测量13
一、ph传感器的工作原理13
二、ph传感器的使用15
第二节溶氧浓度的在线测量18
一、溶氧浓度测量原理18
二、溶氧电极19
三、溶氧电极的使用21
第三节发酵罐内氧气和二氧化碳分压的测量以及呼吸代谢参数的计算23
一、氧分析仪23
二、尾气co2分压的检测26
三、呼吸代谢参数的计算26
第四节发酵罐内氧气体积传质系数kla的测量31
一、亚硫酸盐氧化法31
二、溶氧电极法32
三、物料衡算法33
四、动态测定法34
五、取样极谱法35
六、复膜电极测定kla35
第五节发酵罐内细胞浓度的在线测量和比增殖速率的计算36
一、菌体浓度的检测方法及原理36
二、在线激光浊度计38
第六节生物传感器在发酵过程检测中的应用39
一、生物传感器的类型和结构原理39
二、发酵罐基质（葡萄糖等）浓度的在线测量43
三、引流分析与控制（fia）45
四、发酵罐器内一级代谢产物（乙醇、有机酸等）浓度的在线
测量47
参考文献48

第三章发酵过程控制系统和控制设计原理及应用49
第一节过程的状态方程式49
第二节生物过程的典型和基本数学模型51
一、生物过程最基本的合成和代谢分解反应51
二、生物过程典型的数学模型形式55
三、发酵过程的各种得率系数和各种比反应速率的表现形式57
四、生物反应器的基本操作方式62
五、发酵过程状态方程式在“理想操作点”近旁的线性化64
第三节拉普拉斯变换与反拉普拉斯变换67
一、拉普拉斯变换的定义68
二、拉普拉斯变换的基本特性以及基本函数的拉普拉斯变换68
三、反拉普拉斯变换69
四、有理函数的反拉普拉斯变换69
五、过程的传递函数gp(s)——线性状态方程式的拉普拉斯函数
表现形式69
六、过程传递函数的框图和转换70
七、过程对于输入变量变化的响应特性71
第四节过程的稳定性分析74
一、过程稳定的判别标准74
二、过程在平衡点（特异点）近旁的稳定特性的分类75
三、连续搅拌式生物反应器的稳定特性的解析77
第五节生物过程的反馈控制和前馈控制79
一、生物过程的前馈控制79
二、流加操作的生物过程中常见的前馈控制方式80
三、生物过程的反馈控制83
四、生物过程中反馈控制与前馈控制的并用84
第六节pid反馈控制系统的设计和解析86
一、闭回路pid反馈控制的性能特征86
二、比例动作87
三、积分动作88
四、微分动作89
五、pid反馈控制器的构成特征89
六、反馈控制系统的稳定性分析89
七、反馈控制系统的设计和参数调整91
八、开关反馈控制94
第七节反馈控制系统在生物过程控制中的实际应用95
一、以溶氧浓度（do）变化为反馈指标的流加培养控制——
dostat法95
二、以ph变化为反馈指标的流加培养控制——phstat法98
三、以rq为反馈指标的流加培养控制100
四、直接以葡萄糖浓度为反馈指标的流加培养控制101
五、以代谢副产物浓度为反馈指标的流加培养控制103
参考文献105

第四章发酵过程的最优化控制106
第一节最优化控制的研究内容、表述、特点和方法106
第二节最大原理及其在发酵过程最优化控制中的应用107
一、最大原理及其算法简介107
二、利用最大原理确定流加培养过程的最优基质流加策略和方式111
三、最大原理的数值解法及其在生物过程最优化控制中的应用116
第三节格林定理及其在发酵过程最优化控制中的应用121
一、格林定理121
二、利用格林定理求解流加培养（发酵）的最短时间轨道问题122
三、格林定理在乳酸菌过滤培养最优化控制中的应用125
四、利用格林定理进行乳酸菌过滤培养最优化控制的计算机模拟和
实验结果128
第四节遗传算法及其在发酵过程最优化控制中的应用131
一、遗传算法简介131
二、遗传算法的算法概要及其在重组大肠杆菌培养的最优化控制
中的应用132
三、遗传算法在酸乳多糖最优化生产中的应用138
参考文献143

第五章发酵过程的建模和状态预测144
第一节描述发酵过程的各类数学模型简介144
一、非构造式动力学模型145
二、代谢网络模型146
三、基于在线时间序列数据的自回归平均移动模型146
四、人工神经网络模型147
五、正交或多项式回归模型148
第二节非构造式动力学数学模型的建模方法148
一、利用非线性规划法确定非构造式动力学数学模型的模型参数148
二、利用遗传算法确定过程模型参数157
第三节利用人工神经网络建模和预测发酵过程的状态159
一、神经细胞和人工神经网络模型159
二、人工神经网络模型的类型161
三、人工神经网络的误差反向传播学习算法163
四、利用人工神经网络在线识别发酵过程的生理状态和浓度变化
模式167
五、利用人工神经网络的发酵过程状态变量预测模型169
六、利用人工神经网络的非线性回归模型173
七、结合使用人工神经网络模型和遗传算法的过程优化175
第四节卡尔曼滤波器在发酵过程状态预测中的应用176
一、卡尔曼滤波器及其算法176
二、利用卡尔曼滤波器在线推定菌体的比增殖速率178
参考文献180

第六章发酵过程的在线自适应控制182
第一节基于在线时间序列输入输出数据的自回归移动平均模型解析184
一、自回归移动平均模型详解184
二、利用逐次最小二乘回归法计算和确定自回归移动平均模型的
模型参数186
第二节基于自回归移动平均模型的在线自适应控制189
一、“极配置” 型的在线自适应控制系统189
二、“最优控制”型的在线自适应控制系统190
三、酵母菌流加培养过程的比增殖速率在线自适应最优控制193
四、乳酸连续过滤发酵过程的在线自适应控制196
第三节基于自回归移动平均模型的在线最优化控制201
一、面包酵母连续生产的在线最优化控制201
二、乳酸连续过滤发酵的在线最优化控制205
第四节基于遗传算法的在线最优化控制210
一、利用遗传算法实时在线跟踪和更新非构造式动力学模型的
参数210
二、结合使用最大原理和遗传算法的在线最优化控制212
参考文献214

第七章人工智能控制216
第一节模糊逻辑控制器217
一、模糊逻辑控制器的特点和简介217
二、模糊语言数值表现法和模糊成员函数218
三、模糊规则223
四、模糊规则的执行和实施——解模糊规则的方法225
五、模糊逻辑控制系统的构成、设计和调整228
第二节模糊逻辑控制系统在发酵过程中的实际应用231
一、酵母流加培养过程的模糊控制231
二、谷氨酸流加发酵过程的模糊控制237
三、辅酶q10发酵生产过程的模糊控制241
四、模糊推理技术在发酵过程在线状态预测中的应用245
第三节基于人工神经网络的控制系统及其在发酵过程中的应用250
一、基于人工神经网络的在线自适应控制250
二、模糊神经网络控制系统及其在发酵过程中的实际应用253
三、模糊神经网络控制器及其在发酵过程中的应用260
参考文献268
第八章利用代谢网络模型的过程控制和优化270
第一节代谢网络模型解析270
一、代谢网络模型的简化、计算和求解272
二、利用代谢网络模型的状态预测277
第二节网络信号传递线图和利用网络信号传递线图的代谢网络模型278
一、网络信号传递线图及其简化278
二、利用代谢信号传递线图处理代谢网络281
三、利用网络信号传递线图的代谢网络分析282
第三节代谢网络模型在赖氨酸发酵过程在线状态预测和控制中的
应用284
一、简化代谢网络模型的建立286
二、利用简化代谢网络模型进行在线状态预测的结果288
参考文献290

第九章计算机在生化反应过程控制中的应用291
第一节过程工业的特点和计算机控制291
一、过程工业的特点291
二、数字计算机在过程控制中应用概述293
第二节集散控制系统及接口技术296
一、集散控制系统简介296
二、集散控制系统的特点298
三、过程接口技术299
第三节柠檬酸发酵过程计算机控制系统设计302
一、系统结构设计303
二、组态软件设计304
三、系统功能设计305
四、系统控制算法及优化305
第四节青霉素发酵过程专家控制系统307
一、青霉素发酵过程的特点和控制上的困难307
二、青霉素发酵过程专家控制系统308
三、系统运行情况312