混合工作日历下资金受限工程项目工期最短化任务指派方法

针对一类混合工作日历下资金受限工程项目工期最短化任务指派问题,提出了一种基于遗传算法的优化方法。对混合工作日历下资金受限工程项目工期最短化任务指派问题进行了描述,并设计了遗传算法对问题进行求解。提出了基于承包商工作日历的时间推算机制,设计了时间推算函数作为混合工作日历下工程项目工期推算的基础;算法采用"基于承包商号的整数编码方式"对个体进行编码和"拒绝策略"产生初始可行种群,使用"交叉算子改进策略"和"两点交叉方式"进行交叉以保证交叉后子个体可行,采用"拒绝策略"和"单点变异方式"进行变异以保证变异后子个体可行,解码过程中基于"关键路径法"和"正向推算函数FC"推算项目工期。通过案例分析验证了所提方法的有效性。     

基于水力模型的多因子水质监测点优化布置方法研究

随着城市快速的发展,城市供水管网的规模也在不断的扩大,其拓扑结构也越来越复杂,增加了供水安全的难度。其中供水水质安全最为迫切,因此需要在供水管网中设置一定数量的水质监测点对供水水质进行监测。在前人研究的基础上,针对供水管网水质监测点优化布置的问题,在单一的节点水龄法的基础上综合考虑其他影响因素对管网水质的影响,利用北方某市供水管网水力模型进行水质监测点的优化布置方案设计,通过水力模拟软件,优化节点水龄法,设计出了基于多因子优化法的水质监测点优化布置程序。并对北方某市供水管网进行计算,结果表明,基于水力模型的多因子水质监测点优化布置方法计算出的水质监测点位置与实际位置有43.75%的重合度,不仅覆盖了在常规管网运行中水厂及加压泵站等重点水质监测位置,也在供水分界线、管网中以及管网末梢增加了部分监测点,同时对污染事故的预警时间也比优化前短,效果明显。因此,在人工经验的基础上,以多因子法为补充加强,理论与实际相结合,使布置方法更有科学依据,考虑因素更加全面,布点更加合理。利用该方法分析供水管网工况,可为水质监测点优化布置工作提供较好的实施方案。     

倾斜煤层窄长露天矿分区开采分期境界优化

针对倾斜煤层窄长露天矿,经常采用纵采转横采内排的开采程序,基于其剥离物流向流量的变化对经济合理剥采比大小的影响,提出一种分区、分时期的优化开采境界方法。该方法依据首采区位置的不同可分为A模式(即首采区位于矿权一侧)和B模式(即首采区位于矿权中部)两种开采模式。此外,按照露天剥采工程发展过程中剥离物流向流量变化的情况,将其露天矿山开采过程归结为三个时期:全部外排期、部分内排期和全部内排期。通过构建剥、采、排工程位置模型,系统地研究了两种开采模式分时期境界优化的原则和适用条件,并提出境界优化模型。研究成果在准东露天煤矿开采实践中得到应用,结果表明:准东露天矿的经济合理剥采与其开采境界优化前相比,由原来的1.50m~3/t增加至1.62m~3/t,其经济合理开采深度增加了24.7m,顶帮外扩距离增加了45.65m,经济可采储量增加了85.27Mt。实现了露天开采经济效益的最大化。     

考虑缓冲时间成本的鲁棒性停机位分配

针对实际航班提前或延误给停机位分配带来的扰动问题,分析了航班实际到离港时间偏离计划时间的分布规律,提出了基于缓冲时间成本的停机位分配鲁棒性评价函数.在此基础上,建立了以缓冲时间成本、机位-航班大小差异度和远机位数等最小为优化目标的鲁棒性停机位分配模型,设计了求解模型的禁忌搜索算法.基于首都国际机场两个典型的A、B工作日实际运行数据的模型验证结果表明,所提方法与不考虑鲁棒性及传统最小化空闲时间离差平方和的停机位分配相比,在A日航班冲突分别减少了98.1%和97.6%,在B日航班冲突分别减少了74.3%和70.8%,有效地提高了停机位分配计划的鲁棒性.      

基于负载口独立控制的双伺服阀控缸系统

针对电液伺服系统对控制精度和节能的需求,提出了一种基于负载口独立控制的双伺服阀控缸系统.首先对系统进行了建模分析,然后利用鲁棒自适应的方法对系统进行了完全解耦,针对主、被动负载均存在的位置伺服工况,设计了以位置跟踪为目标的进油口控制器和以压力控制为目标的回油口控制器.同时分析了系统的节能性,设计了基于扩张状态观测器（ESO）的油源压力控制器以及液压泵流量控制器.最后通过实验验证该系统的控制性能和节能效果.      

基于粒子群优化的马氏距离模糊聚类算法

为解决传统模糊聚类迭代算法对初始化敏感,易陷入局部最优及处理高维数据时精度下降的问题,对基于马氏距离的模糊聚类算法(fuzzy c-means algorithm based on Mahalanobis distance,M-FCM)进行优化。将马氏距离代替欧氏距离,通过构造类内紧致度、类间分离度与类间清晰度结合的适应度函数,利用粒子群优化算法(particle swarm optimization,PSO)对马氏距离模糊聚类进行研究,提出了基于粒子群优化的马氏距离模糊聚类算法(Mahalanobis distance fuzzy clustering algorithm based on particle swarm optimization,DPSOM-FCM),并将此新算法与FCM(fuzzy c-means algorithm),M-FCM,PSO-FCM,IFPSOFCM(importance for fuzzy clustering algorithm based on particle swarm optimization)算法,在UCI(university of californiairvine)数据库的6个标准数据集上进行实验对比分析。结果表明,DPSOM-FCM算法具有算法收敛性和聚类有效性,并且聚类精确度优于其他算法,对高维数据的聚类识别能力强,即该算法具有全局优化作用。     

无线传感器网络基于改进遗传算法的节点调度

节点调度问题是经典的NP-hard组合优化问题之一。为解决该问题提出了诸如蚁群算法、粒子群算法和遗传算法等智能算法,以遗传算法(genetic algorithm,GA)更为有效,但经典的遗传算法在解决节点调度问题时,其算法自身存在寻优速度慢,容易陷入局部最优。提出一种改进的轮盘赌优化方法,该方法基于适应度比例的选择,即用全部个体的选择概率来计算累计概率,产生完整的子代个体并保留其基因,避免陷入局部最优,进而快速精确地求出节点调度问题的最优解,实验结果表明,经过改进的遗传算法求解的路径长度、收敛性和运行时间等指标均有明显改善。     

预防维护下装配线平衡的集成优化

在装配线生产过程中,当某个工位的设备突发故障时会导致全线停工,带来重大的经济损失,为此本文提出预防维护下的装配线平衡问题,对正常生产和设备维护两种情形下的生产负载进行集成优化。以给定工位数量下正常生产节拍、预防维护时的生产节拍以及两种模式切换时的工序调整数量的最小化为目标建立数学模型,采用遗传算法进行求解。案例分析表明,预防维护下的装配线平衡可有效实现正常生产与设备维护之间的快速切换,保证生产的高效性和稳定性。     

利用卷积神经网络的显著性区域预测方法

针对神经网络的显著性区域预测存在数据采集代价大、处理繁琐等问题,提出2种卷积神经网络,即从头开始训练的浅层卷积神经网络,以及前三层源自另一个网络的深层卷积神经网络。其中,浅层网络结构简单,可避免过拟合问题;深层网络可以充分利用最底层的模型参数,收敛更快,效果更好。所提卷积神经网络应用于回归问题,均没有直接训练特征图的线性模型,而是在迁移层上训练了一堆新的卷积层。从端到端的角度解决显著性预测,将学习过程演化为损失函数的最小化问题。测试和训练在SALICON,SUN和MIT300数据集上进行,实验结果验证了所提方法的有效性。其中,深层网络和浅层网络在SALICON和SUN数据上的结果相似,深层网络在MIT300上的结果更优,与其他方法相比,所提方法具有不错的表现,而且具有跨数据集的鲁棒性。     

偏转板伺服阀前置级结构参数优化研究

通过改变偏转板伺服阀劈尖高度和V形槽下端喷口的导流长度等结构参数,建立新的偏转板前置级模型,利用ICEM和FLUENT软件对前置级流场进行静态特性分析;对前置级流量曲线进行二次拟合,建立伺服阀系统数学模型,利用SIMULINK仿真模型进行动态仿真,分析偏转板伺服阀系统的动态特性,从而优化偏转板伺服阀前置级结构参数。结果表明,适当降低偏转板伺服阀劈尖高度,保持劈尖宽度不变,可增大偏转板伺服阀前置级的流量增益和提升伺服阀的响应频率;增加V形槽喷口的导流长度,会减小偏转板伺服阀前置级流量增益和降低伺服阀的响应频率。