蚁群算法在求解TSP问题中的应用

介绍了蚁群算法的原理,论述了利用蚁群算法求解TSP问题的具体步骤,最后通过仿真实验说明了其优越性。     

浅析农产品绿色壁垒及对策分析

自加入WTO以来，“绿色壁垒”就成为一个令国内出口企业愁肠百结的高频词。什么是绿色壁垒？它关乎哪些行业、企业的存荣？遭遇绿色壁垒的原因是什么？受其影响我们应如何正确认识、进而如何跨越这道壁垒，是我国许多出口企业广为关心的问题。     

GASA-SVM改进算法及其在柴油机供油系统故障诊断中的应用

针对目前支持向量机(SVM)参数选择的盲目性,结合遗传算法GA的并行搜索和模拟退火算法SA的概率突跳特性,提出一种改进的基于遗传退火算法(GASA)混合策略优化支持向量机惩罚函数和核函数参数的GASA-SVM算法。利用柴油机供油系统油压波形的实测数据,归一化处理后作为诊断模型的特征值,建立了基于GASA-SVM的柴油机供油系统故障诊断模型。通过与BP神经网络、RBF神经网络、SVM和GA-SVM故障诊断模型比较表明:应用GASA-SVM建立的故障诊断模型在故障识别准确性上优于其它网络模型,能够有效进行柴油机供油系统的故障诊断。     

基于机器视觉的机器人写字技术的设计

针对教学与实验,提出一种基于机器视觉的机器人写字方法。以六自由度DENSOVP6242G机器人、信捷机器视觉和PC机为实验平台,通过机器视觉获取字符的图像信息,采用VC++编程,利用机器视觉自定义协议将图像传输给PC机;借助OpenCV库对图像进行阈值化、闭运算、细化和笔画分割等一系列的处理;利用图像处理得到字符坐标信息控制机器人的多轴联动,机器人控制器与PC机之间通过ORiN2连接,从而完成字符的书写。实验表明,在字迹清晰条件下该方法能够使机器人准确地写出机器视觉所看到的字符。     

50Hz极低频电磁场对酵母细胞生长和氧化应激的影响初探

探讨50 Hz极低频电磁场(extremely low frequency electromagnetic fields,ELF-EMF)暴露对酵母细胞的生长、细胞内活性氧(ROS)水平,以及超氧化物歧化酶(SOD)和过氧化氢酶(CAT)两种抗氧化酶活性的影响。测定酵母细胞在50 Hz 6 m T ELF-EMF暴露下的菌落形成数目和生长曲线,及ELF-EMF短期暴露(0.5、1、2 h)和长期暴露(6、12、24、96 h)对细胞内ROS水平,以及SOD和CAT活性的影响。实验结果表明,磁感应强度高达6 m T的ELF-EMF暴露下,酵母细胞的菌落形成数目和生长曲线没有发生显著变化(p0.05)。在暴露2 h内,ELF-EMF可显著提高细胞内ROS水平(p0.01);并显著影响酵母细胞内SOD或CAT活性(p0.05)。但暴露时间超过6 h后,酵母细胞内ROS水平、及SOD和CAT活性与对照组大致相同,没有发生显著变化。实验条件下ELF-EMF暴露对酵母的生长没有显著影响,在短期暴露(2 h内)中,可引起酵母细胞内氧化应激反应;但在长期暴露(6 h后)后,对氧化应激反应没有显著影响。     

基于遗传算法的神经网络金融时序预测的研究

基于简单遗传算法的神经网络训练速度慢、易陷入局部极值,用具有较好的全局搜索能力自适应遗传算法来优化神经网络权值和国值,设计了基于自适应遗传算法的BP神经网络的股票预测系统．该系统根据对股票历史数据分析,预测股价未来几天时间的走势．结果表明,改进算法具有很强的可行性和高效性．     

非平稳性条件下设计洪水地区组成分析

针对非平稳性条件下不同区域洪水间组合设计值计算难题，采用Copula函数构建了可综合考虑不同区域洪水边缘分布非平稳性和洪水间相依结构非平稳性的变参数Copula模型，分析了不同区域洪水间联合分布规律随时间的演变特征。基于等可靠度法和条件期望组合法，提出了变化环境下设计洪水地区组成分析方法，实现了非平稳性条件下不同区域洪水组合设计值的计算。以寸滩站和宜昌站年最大15 d洪量系列为例，分析了两站洪量及其区间洪量的变化特征。结果表明，寸滩站和宜昌站的洪量系列均具有减少趋势，两站洪量的联合分布随时间变化，指定重现期对应的宜昌站、寸滩站及寸滩—宜昌区间洪水设计值随使用年限的增加而减小。     

一种基于差分隐私的峰谷分时电价激励方案

针对智能电网系统峰值负荷差值过大、电力供给短缺等问题，提出了基于差分隐私的峰谷分时电价激励方案。方案将差分隐私和峰谷分时电价模型进行结合，在保证用户数据隐私的前提下对峰谷分时电价的定价策略进行优化。通过施行差异化的电价策略对用户的用电行为进行引导，激励用户形成错峰用电习惯，进而实现电力系统整体用电负荷的均衡。最后，通过实验对引入差分隐私后的数据效用进行分析，并对所提机制的运行效果进行评估。实验表明，本方案在实现电网整体用电负荷削峰填谷的同时对用户的数据隐私进行了保护。     

面向IEC61850智能变电站的网络安全异常流量分析方法

为了保证智能变电站的网络通信安全和整个变电站的稳定运行,提出了一种基于机器学习k-means聚类算法的异常流量分析方法。根据智能变电站中过程层网络的特性,结合对IEC61850智能变电站专有GOOSE(generic object-oriented substation event)以及SV(sample value)协议的报文结构解析,使用了一种基于信息熵的特征选取方法对智能变电站正常工作时站内网络通信流量进行特征分析选择,利用k-means聚类算法完成了对异常流量的检测分析及其相关分析。相较于以往方法,文中方法对智能变电站的过程层网络流量信息的特征进行了选取,根据信息熵理论,完成了重要特征的选择和冗余特征的剔除,提高了聚类算法的效率,提高了对异常流量检测的准确性。