启运港退税政策实施中的港口选择模型

在保税港区对周边内陆干港与内贸港口实施启运港退税政策的背景下,基于用户均衡货流分配理论,构建实施启运港退税政策的港口(启运港)选择模型.模型可在既定总投资额的约束下,以区域社会经济效益最大为目标,确定启运港的数量与位置.设计嵌入Frank-Wolfe算法的遗传算法求解模型,并使用大连港腹地的出口数据进行实例分析.结果表明:依托大连保税港区实施启运港退税政策后,哈尔滨等七地被选为启运港,价值388.6亿美元的出口货物所在企业每年能够提前10～25天获得退税款46.7亿美元.上述模型和算法可为政府制定、实施启运港退税政策提供必要的决策支持.     

基于提升度的KNN分类子的分类原则改良模型

针对非均匀类数据,本文提出K最近邻分类子的一个分类原则改良方法,能够度量待分类数据的K个近邻点中的类比率提升量,增大了最小类数据的竞争力,明显地提高了小类数据的分类正确率。实验结果表明,本文提出的改良分类原则对非均匀数据分类的准确率明显高于传统的KNN分类算法。     

基于改进多目标遗传算法的连铸二冷过程优化

采用一种改进的多目标遗传算法对二冷工艺进行优化.改进的多目标遗传算法应用概率法选取选择算子，根据适应度值来动态计算交叉和变异概率，能够得到更好的全局最优解，提高算法精度和整体性能.在基于凝固传热模型的二冷优化过程中，采用变间距差分法离散求解传热方程，对比粒子群算法、多目标遗传算法，改进的多目标遗传算法搜索效率高，得到的价值函数最小.在实际生产中，采用优化后的二冷工艺，使得总用水量减少约10%，提高了铸坯质量，达到了节能降耗的要求.     

改进GA-BP神经网络在高校教学质量评价中的应用

为了提高高校教学质量评价的有效性和准确性,提出了一种基于混合智能优化算法的教学质量评价模型。引入熵值法客观地确定教学质量评价体系的指标权重及初始评价结果,利用自适应变异的遗传算法(Genetic algorithm)优化BP神经网络(Back propagation neural network)的参数,建立教学质量评价模型。实验结果表明,与BPNN(Back propagation neural network)、GA-BPNN(Genetic algorithm-back propagation neural network)模型相比,预测精度分别提高15.04%和5.41%,收敛速度明显提高,说明基于自适应变异的GA-BPNN教学质量评价模型能够及时有效地完成教学质量评价。     

基于改进蚁群算法的智能小车路径规划仿真研究

提出一种改进的蚁群算法,解决传统蚁群算法在路径规划时容易陷入局部最优解的问题,改进的蚁群算法具备更优越的搜索最短路径的能力.MATALAB仿真实验表明,改进的蚁群算法能够节约寻找到最优路径的时间,加快收敛速度,具有更好的鲁棒性.     

减小螺旋锥齿轮齿面加工误差的参数修正方法

针对螺旋锥齿轮加工过程中因无法避免误差而导致齿面加工精度难以保证的问题，提出螺旋锥齿轮加工误差控制模型及加工参数修正方法。首先，基于实际加工中的刀具与工件相对位置与相对运动关系，依据坐标齐次变换与啮合原理，确定加工参数与加工曲面之间的函数关系，建立螺旋锥齿轮精确齿面模型；然后，计算实际加工齿面与理论齿面的法向距离，从而建立由加工参数驱动的齿面几何误差控制模型；接着，对加工参数进行敏感性分析，选取敏感性较高的加工参数作为误差补偿模型优化变量，以提高优化效率；最后，将齿面误差最小化问题转化为最小二乘法问题，基于改进的L-M算法进行求解，得到加工参数补偿量，以此对加工参数进行修正达到减小齿面加工误差的目的。采用一对由双重螺旋法磨削加工得到的螺旋锥齿轮副作为应用实例，对该方法进行实际加工验证，结果表明：加工参数调整后，螺旋锥齿轮齿面加工误差降低了65%以上，实际测量的齿面绝对误差均不超过0.005 mm,能够满足工程实际需求，证明该方法能够有效提升齿面加工精度。该方法可为螺旋锥齿轮乃至其他复杂曲面零件加工提供一种加工误差补偿思路。     

基于Copula函数的土石坝三维坝坡稳定可靠度分析

不完备概率信息条件下边坡稳定可靠度评价是岩土工程新兴的热点问题之一,其关键难点在于如何在不完备概率信息条件下有效地建立符合抗剪强度参数分布特征的联合概率分布模型.在考虑堆石料非线性强度参数不完备概率信息条件下,采用Copula函数建立非线性强度参数联合分布模型,结合径向基神经网络(RBFN)提出了土石坝坝坡稳定系统可靠度分析智能响应面法,并通过实例验证了其可行性与有效性.最后,基于所建的智能响应面,系统研究了Copula函数类型与样本数量对土石坝坝坡稳定系统可靠度的影响规律.