重用最大频繁模式的可持续进化算法

为了重用进化过程中沉淀在优秀个体集中的信息,设计了最大频繁序列模式挖掘算法,并在其基础上提出了重用最大频繁模式的可持续进化算法(MFPEA).该算法设置了多个不同层次的种群为不同适应度水平的个体提供生存空间,采用最大频繁序列模式挖掘算法挖掘种群中的优良基因,并将具有优良基因模块的新个体注入到不同适应度水平的种群中.文中...     

碱性水解法分离铬、蛋白质及中性盐新工艺通过鉴定

<正> 由新乡师范学院和新乡市制革厂协作研制的碱性水解法分离铬、蛋白质及中性盐的新工艺最近通过了鉴定。专家们认为:用碱性水解法从铬鞣废液中回收铬是针对制革工业存在的严重铬污染和铬资源浪费的实际选题,方向正确,环境效益显著,在国内首次提出了以石灰作为碱性介质的水解法回收铬,工艺     

基于复杂事件处理的产品质量预测方法研究

针对制造企业对产品质量控制存在实时性不足,并且事后分析无法及时的为企业减少损失的问题,基于复杂事件处理机制,提出了一个生产线实时监控框架,并阐述了其功能模块。在此基础上,通过灰熵关联分析算法和分类回归树算法识别制造过程关键质量特征,并建立了产品质量预测模型,该模型实现了从生产线上的实时数据提取出产品质量缺陷事件,并以此来对产品质量进行监控,从而达到质量预测的目的。最后对模型进行实例验证,证明了该模型的有效性。     

基于Pareto最优原理的混合动力汽车多目标优化

介绍了混合动力汽车（HEV）相关知识,建立了以最小化燃油消耗、HC+NOx排放量和CO排放量为目标的3目标优化模型,提出了基于Pareto最优原理的混合动力汽车多目标优化进化算法.该算法采用实数编码,以ADVISOR为HEV的仿真软件获得各候选方案目标值,基于Pareto支配性原理判定候选方案的优劣,并设计了可以调整待优化变量有效位的机制以保证优化所得的候选方案具有可实现性.针对不同车型的仿真实验结果表明,所提出的算法能够较好地解决混合动力汽车多目标优化问题,可以获得一组具有低燃油消耗与低污染物排放的Pareto最优解供决策者选择.     

汽车模具设计资源管理系统的研究与应用

本文从汽车模具设计者的角度出发,对汽车模具设计资源的进行了分析;建立了汽车模具设计资源库;通过对汽车模具设计零部件的三维浏览、汽车模具设计资源的检索机制、汽车模具设计资源管理系统等内容的分析,设计了汽车模具设计资源管理系统的体系结构。最后,实现了该原型系统,保证了汽车模具设计资源的准确性和及时更新,提高了设计效率。     

基于遗传算法的模拟滤波器设计

阐述遗传算法及其优缺点,并借助遗传算法实现了仪器仪表中使用的低通滤波器的设计.利用网络变换对滤波器电路进行优化,便于对电路拓扑结构的分析及性能参数的计算,提高电路的实用性.     

VML在工程进度管理系统中的应用

概括传统工程进度跟踪存在的缺点,分析工程进度信息化的优点及运用VML、SOAP等实现工程进度管理系统的重点与难点,提出进度管理系统的总体框架和数据交互模型,并给出VML在基于B/S架构的工程进度管理系统中应用的解决方案,最后给出系统在铁路建设工程中隧道与桥梁的应用实例及部分关键技术.     

基于Dopout与ADAM优化器的改进CNN算法

在分析当前卷积神经网络模型特征提取过程中存在问题的基础上,提出了基于Dropout与ADAM优化器的改进卷积神经网络算法(MCNN-DA).设计了二次卷积神经网络结构,通过引入基于Re LU的激活函数以避免梯度消失问题,提高收敛速度;通过在全连接层和输出层之间加入Dropout层解决过拟合问题,并设计了ADAM优化器的最小化交叉熵.以MNIST和HCL2000数据集为测试数据,测试分析了ADAM优化器的不同学习率对算法性能的影响,得出当学习率处于0.04~0.08时,算法具有较好的识别性能.与三种算法的实验比较结果表明:本文算法的平均识别率最高可达99.21%;对于HCL2000测试集,本文算法的平均识别率比基于支持向量机优化的极速学习机算法提高了3.98%.     

基于遗传编程的可持续模拟退火算法及应用

研究分析了模拟退火算法(SA)的缺陷,采用分等级搜索机制,提出了可持续模拟退火算法(HFCSA)后,针对HFCSA算法编码受限问题,引入遗传编程的思想和编码方式,提出一种基于遗传编程的可持续模拟退火算法-GP-HFCSA算法.该算法可以在开放式搜索空间中搜索,实现结构和参数的协同进化.在算法对比测试实验(8特征值问题)中,GP-HFCSA算法的设计结果优于参照算法,证明了GP-HFCSA算法具有良好的效率及自动设计能力,具有广泛的学术价值及应用前景.