基于热传递数学模型的高温作业服织物厚度设计

针对高温作业服的第Ⅱ层防水层和第Ⅳ层空气层的厚度选取问题,建立三层织物-空气层-假人皮肤层的热传递模型,采用有限差分法求解模型的偏微分方程并利用MATLAB数学软件进行计算,得到三维温度分布图;在假设的约束条件下确定了第Ⅱ层防水层和第Ⅳ层空气层的最优厚度分别为19. 06和5. 78 mm。     

基于热传导定律的高温作业服装设计研究

针对高温作业专用服装设计的问题,借助热传导偏微分方程对假人皮肤外侧随时间变化的温度进行求解,然后运用遗传算法和粒子群算法相结合对服装材料层最优厚度进行寻优.综合运用了Matlab、STATA及LINGO等软件编程求解,得出了在给定环境下热防护服不同层次的温度分布表以及在不同的限制条件下达到目标防护效果的最优厚度.     

基于改进傅里叶变换对热防服的优化设计

针对高温热防护服,以傅里叶律公式为基础进行变换,以假人皮肤外侧温度数据为基础构造BP神经网络模型,同时构造具有第三类边界的一维热传导模型和非线性规划模型,并利用遗传算法和模拟退火算法进行求解。综合运用EXCEL、MATLAB等软件,对热防服中的温度分布进行描述和假人皮肤外侧温度进行预测,并解决热防服设计中的最优厚度问题。     

基于热传导方程对高温防护服装的优化设计

针对高温防护服装的优化设计,首先,将体温恒为37℃的假人放入75℃环境中,基于一维热传导和有限差分方法,构建温度分布仿真模型,分析隔热服每层材料的温度分布.其次,当环境温度发生变化,为控制假人皮肤温度介于44℃至47℃的时间不超过5 min,基于牛顿冷却定律和遗传算法,建立非线性优化模型,综合运用MATLAB,COMSOL等软件,得到外界温度为65℃时的第Ⅱ层最优厚度区间以及外界温度为80℃时的Ⅱ,Ⅳ层最优厚度区间,为设计不同工作环境的隔热服提供了参考性建议.     

基于热传导方程模型对高温防护服装的设计研究

消防员在进行近火作业时所装备的防护服装通常由三层织物材料构成。文章基于热传导方程的模型,对高温环境下经过热防护服传热到假人皮肤的整个热传导模型进行研究。通过研究温度分布,运用偏微分方程、遗传算法计算得出隔热层的最优厚度,并且考虑各方面因素,对防护服的设计提供一个最优方案。     

高温作业专用服热传导模型建模与分析

基于傅里叶热传导定律构建恒定高温环境下防护服热传导模型,并采用有限差分法分析了不同时间温度分布特征;通过设置边界条件,引入遗传算法对单层织物材料厚度最优质进行求解;通过多目标回归方法实现多个织物层的最优厚度求解.研究结果可为高温作业专用服装设计提供参考.     

几种智能算法在排课问题中的比较

排课问题是个NP完全问题,没有最优解,只有满意解。将智能算法应用于排课问题的求解取得了有效的研究成果。主要对遗传算法、模拟退火算法和蚁群算法求解排课问题做了比较分析,阐述了各算法的基本原理及算法特点,分析了各个算法用在排课问题上的优缺点。     

基于模拟退火的动态蚁群算法求解TSP

旅行商问题是智能算法研究中的一个经典问题,同时也是检测智能算法的标尺.在是蚁群算法的参数随着迭代的进行做动态调整的基础上,运用模拟退火算法对取得的局部最优解进行调整,使蚁群算法跳出局部最优,得到更好的解     

高温作业的热传导与有限差分求解

在一维假设下,将高温作业问题(以专业服装设计问题为例)转化为数学问题,给出了热传导方程和有限差分求解,将温度在时间和空间上离散化,利用MATLAB编程得到了稳态时温度的数值解和不同时刻的空间温度分布情况.在环境温度、工作时间等约束条件下,得到了高温作业专用服装第二层的最优厚度.此结果可为高温作业服装设计降低研发成本,缩短研发周期提供参考.     

一种求解非线性方程组的算法

为满足理论研究与工程实践对非线性方程组求解的需求，综合遗传算法和牛顿迭代法各自的优势，提出了能够充分发挥遗传算法大范围搜索全局解、牛顿迭代算法在局部细致搜索的新算法。实例证明，该算法搜索效率高，求解速度快，并能获得全局近似最优解。     

分数阶偏微分方程求解与优化模型对高温防护服设计的计量分析

针对研究多层高温作业专用服热量传递问题与实际限定工作条件下高温防护服装厚度设计问题,基于热传导分数阶偏微分方程求解,结合函数插值拟合,非线性优化,粒子集群法和遗传算法等多种数学和计量算法,分别构建分数阶偏微分方程,非线性优化和反问题等数学模型,并结合Matlab、Lingo等计量软件编程计算和实际拟合结果,最终在基于分数阶偏微分方程和非线性优化算法使用下,得到在多层热传递温度分布规律,单层材料层温度的时间分布以及实际限定工作条件下高温防护服最优厚度设计等主要结论。可以为模型推广应用到实际作业服装设计和相关衍生领域研究提供了理论支持和基础。     

利用VC实现高斯牛顿算法在药代动力学中的应用

介绍了研究药代动力学数据资料的非线性回归研究方法,即高斯牛顿迭代算法。运用该算法原理并借助VC工具平台用数值实例给出了静脉给药的药代动力学二室模型的参数估计方法和曲线拟合求解。通过药代参数和拟合度系数求解与常用的MATLAB、EXCEL求解方法的准确性和方便性对比并作出评价。结果表明,高斯牛顿迭代算法处理药代动力学模型数据资料结果较好。     

红外热像用于服装表面温度与衣下空气层厚度的测量

服装表面温度和衣下空气层厚度是研究服装穿着舒适性的重要参数.基于面料红外发射率的测定,校准了由红外热像测得的服装表面温度.考虑衣下空气层的存在,修正了人体-服装-环境系统的传热模型,同时基于面料的热阻测量值,提出了由红外热像测量静态衣下空气层厚度的估算算法.通过对人体服装穿着状态下的正面和背面红外热像拍摄,由服装外表面的温度场,计算了服装覆盖下的人体表面温度,估算了可测区域内典型空气层厚度,当空气层厚度较小时,测算值与观测值基本相符.     

遗传算法与蚁群算法的融合研究

遗传算法具有快速全局搜索能力,但对于系统中的反馈信息却没有利用,往往导致无为的冗余迭代,求解效率不高.而蚁群算法是通过信息素的累积和更新来收敛于最优路径,具有分布、并行、全局收敛能力,但是搜索初期信息素匮乏,导致算法速度慢.通过将两种算法进行融合,克服两种算法各自的缺陷,优势互补,形成一种时间效率和求解效率都比较好的启发式算法.并通过仿真计算,表明融合算法的性能优于遗传算法和蚁群算法.     

基于模拟退火改进人工鱼群算法的交通信号配时优化

针对传统的信号配时算法无法适用于过饱和流量的交叉口的限制,结合模拟退火算法初值鲁棒性和局部收敛精度高的特点改进人工鱼群算法以提升其全局搜索能力,然后综合考虑周期时长、绿灯时间和饱和度等作为约束条件,以交叉口车均延误最小为目标函数构建信号配时优化模型,分别利用单一智能算法(模拟退火算法,人工鱼群算法)及其组合改进算法(模拟退火改进人工鱼群算法)对模型进行求解,并对现状方案和3种智能算法求解方案情况下的交叉口整体车均延误进行对比。结果表明,模拟退火改进人工鱼群算法的效果明显优于现状和单一算法,在迭代的初期便能非常接近最优解和稳定下降趋势,表现出快速寻优能力,验证了模拟退火改进人工鱼群算法的可行性与适用性。     

直纹曲面喷漆机器人喷枪轨迹多目标优化

针对直纹曲面上喷漆机器人的喷枪轨迹多目标优化问题,通过平面喷漆实验,采集各点膜厚数据,运用MATLAB遗传算法工具箱拟合β分布,建立直纹曲面漆膜厚度生长模型.将曲面离散为点集,采用三次B样条曲线拟合生成初始喷枪轨迹.以曲面上各点漆膜厚度均匀和喷涂效率高为目标建立喷枪轨迹多目标优化模型,并采用改进的快速非支配排序遗传算法对该模型求解,获得喷枪轨迹最优解集,最终实现了直纹曲面喷枪轨迹的优化目标.通过实例结果对比验证了该方法的有效性和实用性.     

一种混合遗传禁忌搜索的模糊聚类算法

传统基于目标函数法的模糊聚类算法是一种迭代的"爬山"算法,容易陷入局部最优解.提出了基于遗传算法与禁忌搜索结合的模糊聚类算法,综合运用遗传算法的多出发点和禁忌搜索的记忆性来改善聚类的效果,并通过迭代的遗传禁忌搜索算法产生最优聚类中心,实验中分别通过人工数据和标准数据测试验证了该算法的有效性.     

一种混合遗传禁忌搜索的模糊聚类算法

传统基于目标函数法的模糊聚类算法是一种迭代的“爬山”算法，容易陷入局部最优解．提出了基于遗传算法与禁忌搜索结合的模糊聚类算法，综合运用遗传算法的多出发点和禁忌搜索的记忆性来改善聚类的效果，并通过迭代的遗传禁忌搜索算法产生最优聚类中心，实验中分别通过人工数据和标准数据测试验证了该算法的有效性．     

基因算法在求解非光滑优化问题中的应用 (三峡地区资源环境生态研究)

本文考虑了基因算法在求解非光滑优化问题中的应用。非光滑优化方法致力于求解目标函数为连续不可微函数的数学规划问题。因为目标函数的不可微性,传统的以梯度为基础的确定性算法在求解非光滑问题时会遇到障碍,所以运用不需要梯度信息而只需要目标函数值信息的遗传算法来求解非光滑问题是一个不错的选择。遗传算法是基于自然界生物遗传变异过程而设计的一种优化算法,它首先对问题的可行解进行编码,编码方法有0-1编码,格雷编码和实数编码,然后运用交叉算子,变异算子和选择算子产生下一代种群。当种群迭代达到一定的次数后,种群中的最优染色体就会收敛到原问题的最优解。本文设计的基因算法基于实数编码,算子分别采用算术交叉算子,非一致变异算子,最佳选择算子。     

求解带约束投资组合模型的量子粒子群算法

针对量子粒子群算法(QPSO)在迭代后期出现种群多样性缺失和容易陷入局部最优的问题,提出了一种基于交叉操作的改进算法;在改进算法中,考虑了粒子的历史最优位置和次优位置,用以扩大粒子的搜索范围;同时,将遗传算法的交叉操作运用到位置的更新中,以增加种群的多样性,进而提高算法的收敛性;在性能测试中,将改进算法与原始的量子粒子群算法、基于差分进化的QPSO和基于黑洞探索的QPSO在收敛精度和鲁棒性方面进行了比较;最后,运用改进算法对一类具有投资数量限制的投资组合问题进行了求解,并与遗传算法、粒子群算法和标准的量子粒子群算法的寻优结果进行了对比。