基于改进离散粒子群算法构建制造单元

在未知最佳分群单元数的情况下,考虑了零件多种可选工艺路径和零件工艺顺序,建立基于最小化零件跨单元移动次数的数学模型.通过引入自适应变异因子,提出一种改进的离散粒子群优化算法能动态地确定分群单元数,极大地减少了算法陷入局部最优解的可能.通过对文献中不同规模的单元构建问题进行求解,结果证明了该方法有效,并且无需预先设定分群单元数即可获得与文献中相同甚至更好的结果.     

基于动态优化双钻头打孔机生产效能的研究

首先,对孔型加工及走刀方式进行分析,为提高打孔机效能,采用两钻头同时作业的方式。然后,根据相关的数据,应用动态优化的相关理论建立数学模型,并运用遗传算法进行求解,从而确立了双钻头作业时的最优作业线路、最佳行进时间和作业成本,并用MATLAB编写程序画出了相应图形,更加形象地显现出了各个路段的最优作业方案。     

重卡驱动桥壳疲劳稳健性与轻量化设计

驱动桥壳轻量化设计对于提高承载能力、降低生产成本具有重要的意义.本文在驱动桥壳有限元分析和疲劳分析计算的基础上建立驱动桥壳多目标优化模型，对重型卡车驱动桥壳进行参数化设计，建立正交试验表，利用田口方法和综合评价方法对驱动桥壳的疲劳性能稳健性和质量进行优化设计.优化结果表明，此方法可以应用于驱动桥壳的多目标优化，优化后驱动桥壳的疲劳稳健性能得到提高，减轻了质量，因此节约了桥壳材料，降低了生产和运营成本，提高了设计水平.     

“高锰酸钾的制备”实验研究

大学本科无机制备课程中,"高锰酸钾的制备"实验采用固体碱熔法先制备锰酸钾,再用6.0 mol/L的HAc溶液歧化,经过滤、蒸发浓缩、结晶,得到产品.由于反应条件难掌握,学生实验成功率较低,产品纯度差,产率也低.基于此,对影响产品质量和产率的因素如碱熔条件、歧化反应pH值、蒸发浓缩方式、浓缩体积等进行了深入研究,在优化条件下制得的产品晶型好,产率高.     

面向OD客流的高速列车开行方案的优化

满足旅客出行需求的列车开行方案能够更好地吸引客流，提高高速铁路的核心竞争力.以最大化经济收益和最小化出行费用为目标函数，以高速铁路开行方案为研究对象，以旅客出行需求等作为约束条件，将列车开行方案与OD客流量结合起来，同时考虑旅客的购票心理和列车购票的时效性，建立了一种基于动态客流的列车开行方案的多目标优化模型，并设计一种基于个体信息和改进变异算子的多目标差分(SG-MOSaDE)算法进行求解.以广州市某线路为例进行实验，结果表明，优化后的开行方案不仅最大化满足了旅客出行需求，而且在提高铁路部门经济收益的同时降低了旅客的出行花费，并且优化后的列车总停站次数较原来有所下降，停站方案更加均衡.     

珊瑚礁算法的改进研究

珊瑚礁算法易于陷入局部最优且寻优精度低，因此提出一种改进的珊瑚礁算法.此算法借鉴粒子群算法、高斯变异和模拟退火算法的思想改进珊瑚礁算法的内部有性繁殖、无性繁殖和更替机制，提高了算法的寻优精度并可跳出局部最优.在仿真实验中，将改进珊瑚礁算法与基本珊瑚礁算法和粒子群算法等10种算法分别在高维和低维测试函数下进行比较.实验结果表明，改进的珊瑚礁算法不仅较其他算法具有更好的收敛速度和精度，而且在高维测试函数中，仍然可以保持良好的性能.     

液中放电沉积技术研究进展

液中放电沉积是一种新型的表面改性技术，起源于电火花加工技术，可在金属表面制备出具有高硬度、高耐磨性以及高结合力等优良性能的沉积层。此外，该技术不污染环境，有望替代部分常用但具有污染性的表面改性技术。液中放电沉积技术的核心内容为沉积层形成机制、工具电极材料以及介电流体成分。简单介绍了液中放电沉积技术的特点，重点阐述了沉积层的形成机制以及缺陷优化工艺，并从工具电极材料、介电流体成分和实际生产应用三个方面总结了液中放电沉积技术的国内外研究进展，展望了该技术的发展方向。     

基于三导向条结构的枪钻深孔加工动力学分析及圆度误差优化

为了改善深孔加工的圆度形貌,依据枪钻深孔结构与加工中的实际受力情况,结合导向块对提高孔加工圆度形貌所起到的作用,设计出具有三个导向块的优化结构。在保证计算精度的前提下,通过有限元分析法及力学模型的特征矩阵推算出深孔加工过程中出现圆度误差的数学表达,并通过数值仿真分析与实验研究,对比分析了两导向块结构和三导向块结构枪钻在相同的加工条件下圆度误差形成的情况。计算结果表明,三导向块结构的枪钻加工孔的圆度误差更小。可见,三导向块结构可以有效降低圆度形貌变形的出现,提高加工质量。     

天波雷达对空探测任务下积累时间自适应优化设置研究

针对人工设置天波雷达相干积累时间存在盲目性, 不能充分发挥雷达探测性能的问题, 以空中目标探测为研究对象, 提出了自适应积累时间设置优化方法。首先, 分析了积累时间对天波超视距雷达探测性能的影响。其次, 计算了影响相干积累时间的信号时宽和积累点数的最优值。然后, 提出了自适应设置积累点数的方法。最后, 通过实验证明了本文方法比人工方法更能提高天波雷达探测性能。     

The ecological rationality of explanatory reasoning

There is growing evidence that explanatory considerations influence how people change their degrees of belief in light of new information. Recent studies indicate that this influence is systematic and may result from people’s following a probabilistic update rule. While formally very similar to Bayes’ rule, the rule or rules people appear to follow are different from, and inconsistent with, that better-known update rule. This raises the question of the normative status of those updating procedures. Is the role explanation plays in people’s updating their degrees of belief a bias? Or are people right to update on the basis of explanatory considerations, in that this offers benefits that could not be had otherwise? Various philosophers have argued that any reasoning at deviance with Bayesian principles is to be rejected, and so explanatory reasoning, insofar as it deviates from Bayes’ rule, can only be fallacious. We challenge this claim by showing how the kind of explanation-based update rules to which people seem to adhere make it easier to strike the best balance between being fast learners and being accurate learners. Borrowing from the literature on ecological rationality, we argue that what counts as the best balance is intrinsically context-sensitive, and that a main advantage of explanatory update rules is that, unlike Bayes’ rule, they have an adjustable parameter which can be fine-tuned per context. The main methodology to be used is agent-based optimization, which also allows us to take an evolutionary perspective on explanatory reasoning.