基于多目标萤火虫膜算法的学习效应生产调度问题北大核心CSCDCSSCI

针对复杂的生产环境,建立基于学习效应的多目标置换流水车间调度问题模型。设计嵌套有萤火虫算法的膜算法,改进其邻域搜索策略,对构建的模型进行寻优求解。利用Car类基准测试问题测试萤火虫膜算法的性能,并通过与萤火虫算法和粒子群算法的对比,验证了萤火虫膜算法在求解置换流水车间调度问题中的可行性和有效性。利用膜算法求解得到的不同学习率下置换流水车间调度问题的最大完工时间及总流经时间,构建Pareto最优解集,分析不同学习效应因子对多目标置换流水车间调度问题的影响程度。     

基于过程挖掘的临床路径Petri网建模

提出基于统计α算法的临床路径Petri网模型,将Petri网和基于统计α算法的过程挖掘算法集成,从事件日志中挖掘重要信息,获得完善的诊疗流程,并在此基础上建立Petri网模型,有效实现诊疗流程的优化和改进.通过仿真数据试验,验证了本文提出的统计α算法相较于经典α算法在准确度和运行时间上有着较大的优势.并将模型运用到临床路径真实数据上,证明了模型的有效性和准确性.     

人工水下沙坝对中海滩浴场水动力影响

基于Delft3D软件建立了北戴河中海滩浴场海域的二维及三维潮流和波浪耦合数学模型,并用实测潮流和波浪资料进行模型验证.利用验证后的模型模拟人工水下沙坝引起的水动力环境变化.结果表明:由于工程海域附近的潮流作用较弱,因此潮流影响仅体现在沙坝周围;4座人工水下沙坝具有一定的消浪作用,并且消浪作用随入射波高的增加而增强;总体上看,人工水下沙坝的建造使浴场附近的水动力作用减弱,水动力环境朝着有助于海滩保护的方向发展.     

考虑碳排放和预约机制的送箱集卡多码头调度问题

考虑送箱集卡多码头调度的低碳、高效化要求,及为解决集卡不规律到达导致码头拥挤问题而提出的集卡预约集港机制,以单一外堆场调用送箱集卡数量最小及多集装箱码头调度方案碳排放总量最小为目标,构建了单堆场多码头送箱集卡调度模型.设计了改进的蚁群算法对该模型进行求解,得到按时间段划分的港外堆场多码头集卡低碳送箱方案,通过算例验证了所构建模型和算法的有效性.结果表明,考虑碳排放和预约机制的送箱集卡多码头调度方案所需集卡数量少,工作时间短,兼顾了集装箱码头集卡送箱作业低碳和高效的要求.     

列车轮轨黏着力在线估测计算方法

针对列车的制动防滑控制,提出黏着力的在线估测计算方法.因为黏着力不易测量,如何实时监测黏着力大小以便充分利用轮轨黏着是防滑控制的关键.建立了轮对动力学模型,并采用卡尔曼滤波器、扩张状态观测器等,以轴速和车轮等效夹紧力作为可输入量,设计了5种黏着力在线估测计算方法.采用Simulink软件平台,设置了信号噪声污染和传输延迟,并仿真了黏着力不变和黏着力变化两种工况,结果显示5种算法都能对黏着力进行估测,但综合黏着力估测的响应时间和最大误差两个指标来看,非线性扩张状态观测算法对黏着力的估测效果是最好的.最后,采用实测数据,进一步验证了算法对黏着力估测的准确性.     

基于优化算法的能量等值延性指标评价

设计多层前馈BP、径向基RBF和遗传优化GA-BP算法训练并预测能量等值法极限承载延性指标μΔe,采用5个控制参数及PEER库与拟静力试验作为训练和预测样本.编写BP及其隐含层节点数和学习率的优化算法,编写RBF及其节点数和中心宽度的优化算法,采用GA优化BP算法权值wij和阈值θj并抑制局部最优及逼近数据规律,并实现算法预测足尺框架柱延性指标μΔe值.研究表明GA-BP具有最佳适用性和计算优越性,提供结构损伤评价新方法.     

带有时间约束的机载自组网自适应退避算法

针对传统媒质接入控制(MAC)层退避算法无法满足机载自组网中高优先级业务高可靠、低时延的QoS传输需求,以及重负载时算法性能下降严重的问题,提出一种带有时间约束的多优先级自适应退避算法。首先,针对不同优先级业务的QoS需求,建立相应的时间约束机制和竞争窗口自适应调整机制,当网络处于重负载时,通过限制低优先级业务接入信道来保证高优先级业务的传输;其次采用三维马尔科夫链对多优先级自适应退避算法进行建模,求解不同网络负载时各优先级分组受时间约束条件下的退避状态转移概率,理论推导出网络吞吐量和平均MAC时延的数学表达式。仿真结果表明,该算法在重负载时能够有效保障高优先级业务低时延(2ms)、高可靠(99%)的QoS需求,相比增强型分布式信道接入访问和区分企业优先级的自适应退避算法,当网络负载大于9 000包/s时,吞吐量分别提升了33.4%和21.5%。     

最大团问题的竞争决策算法

分析了最大团问题的数学性质,根据推导出来的性质设计求解最大团问题的竞争决策算法,且算法的时间复杂度分析结果为O(n~3)。并用提出的算法求解最大团问题中的标准测试示例,测试结果表明,算法具有良好的求解效果。     

非扩张半群公共不动点与广义变分不等式 解的迭代收敛性

引入一种新的非扩张半群显式粘滞迭代算法,使用这种显式粘滞迭代算法,在较弱条件下,在Hilbert空间中建立了非扩张半群公共不动点集与具有α-可逆g-强单调映象的广义变分不等式解集的公共元素的强收敛定理,推广和改进了相关结果.     

基于粒子群优化算法的井下目标定位方法

针对矿井结构复杂,井下未知节点定位存在信标节点布置冗余、定位精度低等问题,提出了一种基于粒子群优化算法的井下目标定位方法。根据矿井环境特点区块化布置信标节点,通过引入线性递减权重的粒子群算法对未知节点与信标节点的测量距离和估计距离的误差进行优化,降低定位误差。与四边测量法、加权最小二乘法和RSSI加权质心算法进行Matlab仿真对比实验。仿真结果显示:信标节点为5个,节点总数为15时,平均定位误差为0.877 m。高斯白噪声标准差取值范围从5递增到20,平均定位误差由1.21 m增长到4.65 m,增长幅度最小,抗噪性最好。信标节点密度由10%增加到40%,平均定位误差从2.82 m下降到0.76 m,定位精度明显好于其他三种算法,稳定性好于RSSI加权质心算法。定位精度更高,抗噪性更好,可靠稳定,在井下巷道环境中适应性更强。