一种求解Packing问题概率控制搜索行为的启发式算法

研究一种求解圆形和圆形与矩形混合Packing问题的启发式算法.借鉴Agent概念,赋予待布物具有跳跃、交换、旋转、移动和容器缩放等5种搜索行为,在寻优过程中以概率机制控制上述各搜索行为,并给出寻优过程中启用该搜索行为的时机及其操作顺序,该概率控制机制的适应性控制参数由待布物之间干涉信息决定.该法纯用上述搜索行为寻优,不辅以其他优化方法.该Packing问题数值实验结果表明,算法是可行和有效的.     

带组换装时间的单机调度问题

在某钢铁线材企业的实际调度问题的基础上,研究了一类带有组换装时间的单机调度问题. 根据该调度问题的实际需求,以最小化作业的最大延迟为优化目标. 由于该问题是NP难的,提出了一类启发式算法来求解该问题,并进一步通过引入问题的性质,提高算法的寻优性能,降低算法运行时间. 该算法在随机产生的测试问题和企业的实际调度上均进行了测试,实验结果表明该启发式算法能在短时间内获取近优解.     

基于经济流速先验信息的启发式管网优化设计

针对传统遗传算法在管网设计中存在计算结果误差较大、寻优效率较低等问题,采用经济流速约束、流量约束和罚函数等改进措施,提出了基于经济流速先验信息的启发式优化方法.通过一个实例验证了该方法可以提高遗传算法的收敛速度和寻优效率,计算结果较准确,且管网设计合理,可降低工程投资.     

分散控制的稳定化—参数化法

利用使对象内稳定的控制器参数化结论,推导给出控制器分散情形下的闭环系统稳定性充分必要条件,归纳为本文定理1,文中还进一步推导出可把分散控制稳定性条件转化为系统的强稳性条件,即把求解分散控制稳定化问题转化为求解系统的强稳定性问题,最后给出两个实例.     

基于改进的启发式蚂蚁算法求解最短路径

针对复杂环境中机器人路径规划问题,为了提高蚁群算法的寻优能力和收敛速度,基于A~*算法的距离评价函数,对算法中的启发式函数进行改进,提出一种启发式的蚂蚁算法,并对新算法进行仿真测试.结果表明:改进后的启发函数可以有效改善蚂蚁算法搜索的盲目性,解决了传统蚁群算法收敛速度慢、易陷入局部最优解的问题.与传统蚂蚁算法相比,启发式蚂蚁算法在20×20网格下的相关系数提高了0.4722,40×40网格下的相关系数提高了0.226 5,说明改进算法的规划能力和收敛效率均有所提高,整体上优于传统蚂蚁算法.     

基于RNA遗传操作的改进蝙蝠算法

蝙蝠算法作为一种新型的元启发式算法,具有优越的寻优能力和广泛的应用空间,同时也存在着收敛速度和精度的制约问题及个体之间欠缺交互等问题,针对这些不足,引入了RNA遗传算法增强个体之间的交流,通过信息的交叉和变异等变化措施,加快了算法的搜索能力,提高了搜索精度.通过测试函数验证了改进后的算法具有较好的收敛精度、可靠性和稳定性,大大提升了蝙蝠算法的寻优能力.     

基于多种群蚁群算法的变压器故障检测次序寻优方法研究

针对传统变压器故障检测次序的不足,在研究变压器故障树分析方法的基础上,提出了一种基于多种群蚁群算法的变压器故障检测次序寻优方法.首先给出了多种群蚁群算法的原理和模型;然后利用蚁群算法的全局优化和启发式寻优的特点,对变压器故障检测次序进行优化;最后,以分接开关故障树为例验证了多种群蚁群算法在变压器故障检测次序寻优中的可行性和有效性.     

模拟进化优化方法

本扼要介绍了模拟进化优化方法中的两个分支－遗传算法和进化规则,同时将进化规划与基于梯度的寻优技术有机地结合起来,提出了一种新的全局寻优算法一启发式进化规划,最后给出了数值算例,说明了此类方法在求解组合优化问题以及具有不可微的目标函数或约束条件复杂的非线性优化问题的优越性。     

基于遗传算法的LIBSVM模型大坝扬压力预测研究

支持向量机（SVM）模型的核心问题是惩罚因子c和核函数参数g的选取.通常支持向量机库工具箱（LIBSVM）采用传统网格搜索算法进行参数寻优,只能得到交叉验证意义下的全局最优解,在更大范围内进行参数寻优比较费时,且效率较低,针对这一问题,提出了基于遗传算法的启发式寻优,以交叉验证（CV）意义下的准确率为适应度,通过一系列的选择交叉变异操作,得到最优的c和g,将优化后的SVM模型应用于大坝扬压力的预测.通过某大坝扬压力监测的实例应用,将遗传算法优化的LIBSVM与传统的LIBSVM预测相对比,预测效果更好,精度更高.     

基于时间与费用双优化的虚拟企业调度算法

基于合理抽象虚拟企业模型和任务模型,建立虚拟企业生产任务计划的数学模型,并提出了一种时间与费用双优化的调度算法.该算法分别针对虚拟企业生产调度的时间与费用2个目标提出启发式优化算法,并以调度优化的结果作为遗传算法的初始染色体,通过对遗传算法运算的重新定义来优化虚拟企业生产计划调度,充分发挥遗传算法良好的全局搜索能力和能有效避免陷入局部极小的优点,提高了算法的全局寻优能力.实验结果表明,启发式优化算法与遗传算法相结合的优化技术能够降低虚拟企业生产费用,使企业具有较好的生产敏捷性.     

访问控制的研究进展及分析

访问控制是信息安全技术的重要组成部分, 网络的发展使访问控制的应用更加广泛. 对当前几种主流访问控制技术, 包括自主访问控制、 强制访问控制、 基于角色的访问控制和基于任务的访问控制技术进行了论述和分析, 并介绍了新型的UCON访问控制模型.     

单片机自校正温度控制

本文讨论了如何利用单片机实现自校正温度控制的问题,特别是对自校正控制在单片机上实现的可行性,以及算法的收敛速度、鲁棒性、抗干扰能力进行了详尽的分析和比较,给出了一种适合于单片机温度控制的简洁算法,成功地研制了单片机自校正控制仪表。实时控制结果表明:此温控仪能适用于外界因素等原因引起的模型参数变化的系统,温控效果明显优越于 PID 温控仪,为仪表的智能化做了有意义的尝试。     

基于递归神经网络的多变量系统预测控制

针对线性PID控制器系数难以整定的问题，构造了一种用神经网络实现的非线性PID控制器．多个具有相同结构的非线性PID控制器并联，对多变量系统实现解耦控制器．结合预测控制的思想，提出两种控制方案．第一种是在递归多步预测的基础上，在广义最小方差目标函数下实现控制，第二种利用多步预测目标函数在线修正解耦控制器的权值．仿真实验表明这两种方法的有效性．     

多环境变量密封舱氧气浓度控制的仿真研究

对于多环境变量密封舱的O2浓度的PID控制,由于其总滞后大,尤其当密封舱O2浓度变化较大且频繁时,单回路控制系统无法得到良好的闭环特性,系统的阶跃响应往往具有大的超调且会产生振荡。而串级控制系统可以有效控制参数的动态性,从而达到更好的控制效果。通过仿真发现PID串级控制系统具有更低的超调量和更强的抗干扰能力。     

六辊可逆轧机板形神经网络广义预测控制系统

板带轧制过程中,板形控制具有非线性、时变、纯滞后和耦合的特点,其建模与控制是很困难的·在神经网络建模的基础上,采用广义预测控制方法对可逆UC轧机的板形进行在线控制,有效地加强对轧辊热凸度等慢时变且无法实时测量的过程参量的适应能力,抑制各种随机干扰的影响·轧制实验结果表明,该系统具有良好的板形控制品质·     

结构主动抗振状态参数敏感度及准最优控制

结构主动抗振中,因环境条件,测量手段等限制,不可能测得全部状态参数以满足全状态反馈意义上的最优控制。对状态反馈参数进行敏感度分析,以确定关键的状态反馈参数,实现准最优控制,可达到较好的控制效果。     

压缩机吸气压力的模糊神经网络控制方法

针对压缩机吸气压力耦合强、变化快且控制精度要求高的特点 ,在难以获得精确数学模型以及模糊控制还存在一些困难的情况下 ,采用模糊神经网络控制技术进行压缩机吸气压力的控制 ,从而保证了系统可以较快地进入工况并使吸气压力稳定在工况规定的精度范围内 .经实际控制证明 ,模糊神经网络控制可以得到良好的控制效果 .     

基于扰动观测器的一类网络控制系统的H∞控制

研究了基于扰动观测器的一类网络控制系统（NCS）的H∞控制。系统中的扰动分成两部分：一部分是由外部系统引起的在输入通道中出现的扰动;另一部分是H2范数有界的扰动。针对输入通道中出现的扰动设计一个观测器,利用Lyapunov稳定性理论和线性矩阵不等式（LMI）方法,给出了H∞控制律。最后,数值算例验证了该结果的有效性。     

ALSTOM气化炉基准问题的控制特性分析

气化炉是洁净煤发电系统的关键设备,其控制水平直接影响到电站整体的安全和效率。针对ALSTOM能源技术中心发布的气化炉控制基准问题,从控制系统设计的角度出发,对其非线性、耦合性和抗扰性进行了定量分析。结果表明:该系统具有一定的非线性,对控制器的鲁棒设计有较高的要求;系统具有强耦合;通过广义相对扰动增益分析,获得了该气化炉系统的分散和解耦控制结构。上述分析结果对进一步设计和优化控制系统提供了有价值的参考。     

我国内部控制制度发展与对策研究

针对我国内部控制理论的引进和研究起步较晚，其整体构架及审计评价体系尚未形成，在实践中还存在着诸多问题，内部控制制度的应有作用难以充分发挥的现状，分析了其成因，并提出了加强与完善我国内部控制制度的对策。